【OpenCV】OpenCV基础教程（2）—— 几何变换

2. 几何变换

2.1 仿射变换

2.1.1 仿射变换矩阵

仿射变换矩阵：
$$\mathbf{A}=\left[\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ 0& 0& 1\end{array}\right]$$
基本的仿射变换类型：平移、缩放、旋转。

2.1.2 计算仿射矩阵

1. 方程法

仿射变换矩阵有六个未知数，所以只需要三组对应位置坐标，构造出由六个方程组成的方程组即可解六个未知数。

CV_EXPORTS Mat cv::getAffineTransform(const Point2f src[], const Point2f dst[])

//原位置坐标
Point2f src[] = {Point2f(0,0), Point2f(200,0), Point2f(0,200)};
//经过仿射变换后的坐标
Point2f dst[] = {Point2f(0,0), Point2f(200,0), Point2f(0,200)};
//计算仿射矩阵
Mat A = getAffineTransform(src, dst);	//返回值是2行3列的矩阵，指的是仿射变换矩阵的前两行
/*
[1, 0, 0;
 0, 1, 0]
*/

注意：返回的数据类型是CV_64F而不是CV_32F

2. 矩阵法

先缩放 再平移

假设对空间坐标先等比例缩放0.5倍，然后在水平方向上平移100，在垂直方向上平移200，计算该仿射变换矩阵。

//缩放矩阵
Mat s = (Mat_<float>(3,3)<<0.5,0,0, 0,0.5,0, 0,0,1);
//平移矩阵
Mat t = (Mat_<float>(3,3)<<1,0,100, 0,1,200, 0,0,1);
//矩阵相乘
Mat A = t * s;

---

先缩放 再旋转

假设对空间坐标先等比例缩放0.5倍，然后以坐标点(40,50)为中心逆时针旋转30°，计算该仿射变换矩阵。

cv::Mat cv::getRotationMatrix2D(cv::Point2f center, double angle, double scale)

center：变换中心点的坐标

angle：逆时针旋转的角度

scale：等比例缩放的系数

Mat A = getRotationMatrix2D(Point(40,50),30,0.5);	//返回值是2行3列的矩阵，指的是仿射变换矩阵的前两行
/*
[0.4330127018922194, 0.25, 10.17949192431122;
 -0.25, 0.4330127018922194, 38.34936490538903]
*/

注意：返回的数据类型是CV_64F而不是CV_32F

2.1.3 插值算法

插值的正确做法是，反过来考虑，我们的目标是设置$f_{\mathbf{O}}$在第一象限的任意整数坐标$(\hat{x},\hat{y})$处的值，那么首先计算出在$xoy$平面中哪一个坐标$(x,y)$经变换后为$(\hat{x},\hat{y})$，可通过单应性矩阵$H$的逆进行计算，即：
$$\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=H^{-1}\left[\begin{array}{c}\hat{x}\\ \hat{y}\\ 1\end{array}\right]$$

1. 最近邻插值

最近邻插值就是从$(x,y)$的四个相邻整数坐标中找到离它最近的一个，假设为$(\hat{x},\hat{y})$，然后令$f_{\mathbf{I}}(x,y)=f_{\mathbf{I}}(\hat{x},\hat{y})$。

使用最近邻插值方法完成图像几何变换，输出图像会出现锯齿状外观，对图像放大处理的效果会更明显。

2. 双线性插值

先进行两次水平方向上的插值，在进行垂直方向上的插值。

这里直接给出结果：
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ & {{f}_{\mat…

3. 图像缩放

void cv::resize(cv::InputArray src, cv::OutputArray dst, cv::Size dsize, double fx = (0.0), double fy = (0.0), int interpolation = 1)

src：输入图像矩阵

dst：输出图像矩阵

dsize：二元元组(宽, 高)，输出图像的大小

fx：在水平方向上的缩放比例，默认为0

fy：在垂直方向上的缩放比例，默认为0

interplotation：插值法。INTE_NEAREST、INTE_LINEAR（默认）等

resize函数有以下两种使用方式：

//将图像缩小到0.5倍
resize(I, dst2, Size(), 0.5, 0.5);
resize(I, dst2, Size(I.cols/2, I.rows/2), 0, 0);

4. 图像旋转

void cv::rotate(cv::InputArray src, cv::OutputArray dst, int rotateCode)

src：输入图像矩阵

dst：输出图像矩阵

rotateCode：ROTATE_90_CLOCKWISE：顺时针旋转90°；ROTATE_180：顺时针旋转180°；ROTATE_90_COUNTERCLOCKWISE：顺时针旋转270°

2.1.4 投影变换

cv::Mat cv::findHomography(cv::InputArray srcPoints, cv::InputArray dstPoints, int method = 0, double ransacReprojThreshold = (3.0), cv::OutputArray mask = noArray(), int maxIters = 2000, double confidence = (0.9949999999999999956))

cv::Mat cv::getPerspectiveTransform(cv::InputArray src, cv::InputArray dst)

getPerspectiveTransform用的是SVD分解，getPerspectiveTransform只会拿前4个点去计算，getPerspectiveTransform比较简单粗暴。
findHomography则会拿一堆点(>=4)去计算(其是不断从一堆点中重复拿出4个点去计算出一个结果，再采用一些优化算法RANSAC/LMEDS去筛选出最优解)。

getPerspectiveTransform有两种用法，第一种用法如下：

Point2f src[] = {Point2f(0,0), Point2f(200,0), Point2f(0,200), Point2f(200,200)};
Point2f dst[] = {Point2f(100,20), Point2f(200,20), Point2f(50,70), Point2f(250,70)};
Mat P = getPerspectiveTransform(src, dst);

注意：返回的投影矩阵的数据类型为CV_64F。

第二种方式是将原位置坐标和对应的变换后的位置坐标分别保存在4×2的Mat中，每一行代表一个坐标，代码如下：

Mat src = (Mat_<float>(4,2) << 0, 0, 200, 0, 0, 200, 200, 200);
Mat dst = (Mat_<float>(4,2) << 100, 20, 200, 20, 50, 70, 250, 70);
Mat P = getPerspectiveTransform(src, dst);

2.2 极坐标变换

先略，时间多再回来补