在数学345视频号第14期《对称》中我们讲到了镜像对称。镜像对称可以通过镜像变换实现。镜像变换通常是关于某个轴或直线做翻转操作操作。
在图像处理中,常见的是水平镜像和垂直镜像。
水平镜像是关于垂直中轴线的镜像,即图像沿着垂直中轴线左右翻转。
垂直镜像是关于水平中轴线的镜像,即图像沿着水平中轴线上下翻转。
理解了镜像变换,并且你熟悉矩阵乘法运算的话,不难想出,镜像变换矩阵,其实就是单位矩阵的"镜像矩阵",假设镜像矩阵为M,则
M
=
(
0
⋯
0
1
0
⋯
1
0
⋮
⋮
⋮
1
⋯
0
0
)
\begin{aligned} M = \left(\begin{array}{cccc} 0 & \cdots & 0 & 1 \\ 0 & \cdots & 1 & 0 \\ \vdots & & \vdots & \vdots \\ 1 & \cdots & 0 & 0 \end{array}\right) \end{aligned}
M=
00⋮1⋯⋯⋯01⋮010⋮0
和单位矩阵I放在一起,你可以看到对称之美!数学之美!
I = ( 1 0 ⋯ 0 0 1 ⋯ 0 ⋮ ⋮ ⋮ 0 0 ⋯ 1 ) \begin{aligned} I=\left(\begin{array}{cccc} 1 & 0 & \cdots & 0 \\ 0 & 1 & \cdots & 0 \\ \vdots & \vdots & & \vdots \\ 0 & 0 & \cdots & 1 \end{array}\right) \end{aligned} I= 10⋮001⋮0⋯⋯⋯00⋮1
假设图像为
A
m
,
n
A_{m,n}
Am,n为m*n矩阵,即高为m,宽为n,则
A
m
,
n
×
M
n
,
n
A_{m,n} \times M_{n,n}
Am,n×Mn,n
表示对图像A做水平镜像变换,其中M为 n*n
镜像矩阵。
同样的道理,
M
m
,
m
×
A
m
,
n
M_{m, m} \times A_{m, n}
Mm,m×Am,n
则表示对图像A做垂直镜像变换。
在《仿射变换中的旋转缩放变换矩阵推导》的文章中,我们介绍过"仿射变换可以将矩形转换为平行四边形,可以挤压形状,但是必须保持两边平行。常见的是旋转、缩放、平移变换。"
。现在思考下,镜像变换是仿射变换吗?
实际上,镜像变换也可以用仿射变换矩阵来实现。因为对于二维空间中的点
(x,y),执行水平镜像变换可以表示为:
[
−
1
0
width
0
1
0
]
[
x
y
1
]
\begin{aligned} \left[\begin{array}{ccc} -1 & 0 & \text { width } \\ 0 & 1 & 0 \end{array}\right]\left[\begin{array}{l} x \\ y \\ 1 \end{array}\right] \end{aligned}
[−1001 width 0]
xy1
其中 width 是图像的宽度。这个矩阵乘以点 (x,y) 会产生镜像后的点
(
x
′
,
y
′
)
(x', y')
(x′,y′)。这个矩阵乘以二维坐标点时,第一行的 x 系数为 -1,表示将点绕着
y 轴进行了翻转,即进行了水平镜像变换。第二行的 y 系数为
1,表示不对点进行垂直方向上的变换,保持原样。第一行的 width
项则是表示进行 width
平移,目的是为了保持变换后图像的位置不变,保证图像显示在原来的位置上。
垂直镜像变换与此类似,可以表示为:
[
1
0
0
0
−
1
height
]
[
x
y
1
]
\begin{aligned} \left[\begin{array}{ccc} 1 & 0 & 0 \\ 0 & -1 & \text{height} \end{array}\right]\left[\begin{array}{l} x \\ y \\ 1 \end{array}\right] \end{aligned}
[100−10height]
xy1
其中 height 是图像的高度。
上面两个矩阵都是仿射变换矩阵,因此镜像变换也属于仿射变换。
用 python 代码非常容易实现镜像变换
import cv2
import numpy as np
def mirror_transform(image_path, horizontal=True):
# 加载图片
original_image = cv2.imread(image_path)
# 检查是否成功加载图片
if original_image is None:
print("Error: 无法加载图片!")
return
# 获取图片尺寸
height, width = original_image.shape[:2]
# 创建镜像变换矩阵
if horizontal:
mirror_matrix = np.float32([[-1, 0, width],
[0, 1, 0]])
else:
mirror_matrix = np.float32([[1, 0, 0],
[0, -1, height]])
# 进行镜像变换
mirrored_image = cv2.warpAffine(original_image, mirror_matrix, (width, height))
# 显示变换后的图片
cv2.imshow("Mirrored Image", mirrored_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
image_path = "example.jpg"
mirror_transform(image_path, True)
mirror_transform(image_path, False)
原文链接
用矩阵实现镜像变换
欢迎关注我的微信公众号[数学345]:长按"识别图中二维码";或打开微信扫一扫。