关于仿射变换与图像重映射
仿射变换
简单概念:
仿射变换包括平移、旋转、放缩、剪切、反射
- 变换前是直线的,变换后依然是直线
- 直线比例保持不变
其他:
平移(translation)和旋转(rotation)两者的组合称之为欧式变换(Euclidean transformation)或刚体变换(rigid transformation);
放缩(scaling)可进一步分为uniform scaling和non-uniform scaling,前者每个坐标轴放缩系数相同(各向同性),后者不同;如果放缩系数为负,则会叠加上反射(reflection)——reflection可以看成是特殊的scaling;
刚体变换+uniform scaling 称之为,相似变换(similarity transformation),即平移+旋转+各向同性的放缩;
剪切变换(shear mapping)将所有点沿某一指定方向成比例地平移
矩阵表示:
没有平移或者平移量为0的所有仿射变换可以用如下变换矩阵描述
(排除了平移变换的所有仿射变换为线性变换(linear transformation)):
为了涵盖平移,引入齐次坐标,在原有2维坐标的基础上,增广1个维度,如下所示:
总结:
- 所有变换矩阵只需关注一点:坐标系的变化,即基向量和原点的变化;
- 坐标系变化到哪里,坐标系中的所有点也跟着做同样的变化;
- 坐标系的变换分为 基向量的变化 以及 坐标原点的变化,在仿射变换矩阵中, 和为新的基向量,为新的坐标原点,先变化基向量,再变化坐标原点。
图像重映射
简单概念:
不修改像素,把每个像素的位置重新映射到新的位置。
重映射是通过修改像素的位置,生成一个新版本 的图像。为了构建新图像,需要知道目标图像中每个像素的原始位置,因此需要映射函数根据像素的原始位置得到图像的新位置。
而将新图像映射回原始图像,被称为反向映射。
注意:
在OpenCV中,用两个映射参数来说明反向映射:一个针对x坐标,一个针对y坐标。都可以用浮点类型的cv::Mat实例来表示。
由于两个映射参数包含的值是浮点数,目标图像中的像素可以映射回一个非整数的值(即处在两个像素之间的位置)。由此,映射参数可以随意定义。
如果在真实像素之间插入虚拟像素的值,可以采用不同的方法实现像素插值。
应用:
创建图像特效,修正因镜片原因导致的图像扭曲
参考书籍:
《OpenCV 图像处理编程攻略》
参考链接: