图像形变（插值方法）

最新推荐文章于 2022-09-07 11:11:55 发布

CV小Rookie

最新推荐文章于 2022-09-07 11:11:55 发布

阅读量322

点赞数

分类专栏：记录小代码文章标签： python

本文链接：https://blog.csdn.net/like_jmo/article/details/124616452

版权

记录小代码专栏收录该内容

7 篇文章 0 订阅

订阅专栏

该博客介绍了如何利用双线性插值方法进行图像的水平矫正和形变处理。首先展示了双线性插值的实现代码，然后探讨了一种构成梯形缩放的图像处理方式，但指出这种方法效率较低。最后，博主推荐使用更高效的`resize`方法进行图像缩放。

摘要由CSDN通过智能技术生成

类似于iphone相册的水平矫正

双线性插值

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
import math
def BiLinear_interpolation(img,dstH,dstW):
    scrH,scrW,_=img.shape
    print(img)
    img=np.pad(img,((0,1),(0,1),(0,0)),'constant')
    print(img)
    retimg=np.zeros((dstH,dstW,3),dtype=np.uint8)
    for i in range(dstH):
        for j in range(dstW):
            scrx=(i+1)*(scrH/dstH)-1
            scry=(j+1)*(scrW/dstW)-1
            x=math.floor(scrx)
            y=math.floor(scry)
            u=scrx-x
            v=scry-y
            retimg[i,j]=(1-u)*(1-v)*img[x,y]+u*(1-v)*img[x+1,y]+(1-u)*v*img[x,y+1]+u*v*img[x+1,y+1]
    return retimg
im_path='1.jpg'
image=np.array(Image.open(im_path))
#image2=BiLinear_interpolation(image,1,300) 调整图像大小
image2=BiLinear_interpolation(image,image.shape[0]*2,image.shape[1]*2) 
image2=Image.fromarray(image2.astype('uint8')).convert('RGB')
image2.save('out.png')

利用双线性插值进行形变

本想resize本质是插值方法，应该效率高一些，但是没有好好梳理代码，做了很多重复的插值（一张图像所有像素列都进行了插值，可我只需要其中第 i 列），以后有时间再去调整吧。效率太慢，弃用！

from tkinter import N, W, Y
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
import math

#双线性插值
def BiLinear_interpolation(img,dstH,dstW):
    scrH,scrW,_=img.shape
    # img[1]，代表第一行 存在第0行
    # img[x,y]，x代表行。y代表列
    img=np.pad(img,((0,1),(0,1),(0,0)),'constant') # 最后一行，最后一列填充
    retimg=np.zeros((dstH,dstW,3),dtype=np.uint8)
    #for k in range(img.shape[0]):
    for i in range(dstH):
        for j in range(dstW):
            scrx=(i+1)*(scrH/dstH)-1
            scry=(j+1)*(scrW/dstW)-1
            x=math.floor(scrx)
            y=math.floor(scry)
            u=scrx-x
            v=scry-y
            retimg[i,j]=(1-u)*(1-v)*img[x,y]+u*(1-v)*img[x+1,y]+(1-u)*v*img[x,y+1]+u*v*img[x+1,y+1]
    return retimg

#构成梯形缩放
def Ladder_shaped(image,y):
    H=image.shape[0]
    WW=image.shape[1]
    # print(H)
    # print(W)
    P=np.zeros((y,WW,3,),dtype=np.uint8)
#    print(P)
    for x in range(WW):
        h=(x*(y-H)/WW)+H
#        print(h)
#        print(int(h))
        image2=BiLinear_interpolation(image,int(h),WW)
        for k in range(int(h)):
            P[k,x]=image2[k,x]
            print(x)
            print(k)
            # print(image2[x,k])
#        print(P)

    return P

im_path='2.jpg'
image=np.array(Image.open(im_path))

#image2=BiLinear_interpolation(image,1,300)
# image2=BiLinear_interpolation(image,image.shape[0]*2,image.shape[1]*2)
# image2=Image.fromarray(image2.astype('uint8')).convert('RGB')
# image2.save('out.png')
image3=Ladder_shaped(image,4000)
image3=Image.fromarray(image3.astype('uint8')).convert('RGB')
image3.save('test.png')

最后还是用resize吧

from tkinter import N, W, Y
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
import math

#构成梯形缩放
def Ladder_shaped(img,image,y):
    H=image.shape[0]
    WW=image.shape[1]
    # print(H)
    # print(W)
    P=np.zeros((y,WW,3,),dtype=np.uint8)
#    print(P)
    for x in range(WW):
        h=(x*(y-H)/WW)+H
#        print(h)WW
#        print(int(h))
        image2 = img.resize((WW, int(h)),Image.ANTIALIAS)
        image2 = np.array(image2)

        for k in range(int(h)):
            P[k,x]=image2[k,x]
            print(x)
            print(k)
            # print(image2[x,k])
#        print(P)

    return P

im_path='3.jpg'
img=Image.open(im_path)
image=np.array(Image.open(im_path))
image3=Ladder_shaped(img,image,2000)
image3=Image.fromarray(image3.astype('uint8')).convert('RGB')
image3.save('testresize7.png')