图像的柱面投影纠正

  我经常问自己，生命的界限到底是什么。
        死亡带给生命意义，但是却没人想接近它。
        不停地死亡却又不停重生，二者的界限模糊不清。
        为了追寻这个答案，年纪不大的我曾一度陷入疯狂。
        后来我明白，原来是我的胸量太小，目光亦是狭窄。
        正因为我看不到共性，所以世界在我眼中变得分崩离析。

        雅尼在帕特农神庙前的音乐会上说，不久前他收看了一对刚从航天飞机上下来的宇航员的采访。采访中，宇航员描述了它环绕这颗星球的经历。他说，从那高高的地方观赏下来，地球是如此美丽。他又说，当他经过欧洲上方时，他发现他很难把国家们区分开来。他说这当中的原因，是因为那些地图上的"线"根本就不曾存在于地球上。
        这些界限，根本就不存在。
        土地，是相连的！
        原来如此，假象这些界限的存在根本就是自找麻烦。
        正确就是错误、重生就是死亡，它们本来就是同一个东西。
        我们总是受着“彼此各不相同”的幻想所束缚，如果我们哪一天停止这些假象，而把目光转到我们的相似之处上，这个世界该变得多么美好啊？我们把地球划分成不同的国家，却忘了彼此相似的事实。
        其实我们每个人都有着相同的胸量，因为，我们都是一样的。

        好了，我们进入主题。
        写了一段代码完成了图像的柱面投影纠正。 采用的理论方法是我的恩师邓飞邓老师的论文<基于SURF算法的柱面全景影像拼接方法>中的节选。因为最近要做一个全景影像的贴图，没有思路，所以就旁敲侧击一下想看看有什么发现，于是乎就看到了这个。 

 

        公式（1）中的第二行中的三角函数代表像点在图像中究竟移动了多少。像点的移动将会影响到图(b)中的P‘和Q‘的左移或者右移，这样就引起了投影后图像的像点位置在y方向上的移动，这也就是为什么在公式(1)中y‘的数值与x的数值相关。
        具体操作的时候实际上使用的是反解公式，即从结果影像的每一个像素值反解出其在原始影像中的位置。反解公式由本人自己推导，公式如下：

 

用到了opencv直接上代码：
 double Plane2Cylin_X(double x,double theta,double W,double r)

{

double xp = (theta / 2.0 + atan((x - W / 2.0) / r))*r;

return xp;

}

double Plane2Cylin_Y(double x,double y,double H,double W,double r)

{

//double yp = H / 2.0 + cos(atan((x - W / 2.0) / r))*(y - H / 2.0);

double yp = y;

return yp;

}

double Cylin2Plane_X(double xp,double theta,double W,double r)

{

double x = r*tan(xp / r - theta / 2) + W / 2.0;

return x;

}

double Cylin2Plane_Y(double xp,double yp,double H,double r,double theta)

{

//double y = (yp - H / 2) / (cos(xp / r - theta / 2)) + H / 2;

double y = yp;

return y;

}

cv::Point2f PlaneP2CylinP(cv::Point2f PlaneP, double theta, double H, double W, double r)

{

double x = PlaneP.x;

double y = PlaneP.y;

double xp = Plane2Cylin_X(x, theta, W, r);

double yp = Plane2Cylin_Y(x, y, H, W, r);

cv::Point2f xpyp(xp, yp);

return xpyp;

}

void Panoramic_2_Cylindrical()

{

//std::string PanoramaIMGFile = std::string(".\\Data\\picture\\PanoramaIMG.jpg");//全景

std::string SinglePanoramaIMGFile = std::string(".\\Data\\picture\\SingleSphericalIMG.JPG");//单张

//cv::Mat PanoramaIMG = imread(PanoramaIMGFile);

cv::Mat SinglePanoramaIMG = imread(SinglePanoramaIMGFile);

//首先计算并猜测全景相机的CCD宽度

double CCDW_mm = 35.9;

double f_mm = 20;//同样满足焦距越大投影出来畸变越小的原理

double MaxLen = SinglePanoramaIMG.cols > SinglePanoramaIMG.rows ? SinglePanoramaIMG.cols : SinglePanoramaIMG.rows;

double f_pix = MaxLen / CCDW_mm*f_mm;

cout << "f_pix:" << f_pix << endl;

double r = f_pix;//一般投影的半径就取r

int W_col = SinglePanoramaIMG.cols;

int H_row = SinglePanoramaIMG.rows;

double theta = 2 * atan(W_col / (2 * r));

cout << "theta:" << theta << endl;//每张影像在全景影像中的视场角

//原始四个角点的位置：

cv::Point2f leftUp = cv::Point2f(0.0, 0.0);//x,y

cv::Point2f leftDown = cv::Point2f(0.0, H_row);//也许位置应该扩大一个像素比较好

cv::Point2f rightUp = cv::Point2f(W_col, 0.0);

cv::Point2f rightDown = cv::Point2f(W_col, H_row);

//变换后四个角点的位置：

cv::Point2f leftUp_Cylin = PlaneP2CylinP(leftUp, theta, H_row, W_col, r);

cv::Point2f leftDown_Cylin = PlaneP2CylinP(leftDown, theta, H_row, W_col, r);

cv::Point2f rightUp_Cylin = PlaneP2CylinP(rightUp, theta, H_row, W_col, r);

cv::Point2f rightDown_Cylin = PlaneP2CylinP(rightDown, theta, H_row, W_col, r);

cout << "leftUp_Cylin " << leftUp_Cylin << endl;

cout << "leftDown_Cylin " << leftDown_Cylin << endl;

cout << "rightUp_Cylin " << rightUp_Cylin << endl;

cout << "rightDown_Cylin " << rightDown_Cylin << endl;

int maxX = cvRound(rightDown_Cylin.x + 0.5);

int maxY = cvRound(rightDown_Cylin.y + 0.5);

cout << "maxX 、Y:" << maxX << " " << maxY << endl;

cv::Mat CylinImg(maxY, maxX, CV_8UC3, Scalar(0, 0, 0));//row cols

//每张图像翻解出原来图像的位置：

for (int r_y = 0; r_y<maxY; r_y++)

{

for (int c_x = 0; c_x<maxX; c_x++)

{

cv::Point2f CylinPoint = cv::Point2f(c_x, r_y); 

//double Cylin2Plane_X(double xp,double theta,double W,double r)

//double Cylin2Plane_Y(double xp,double yp,double H,double r,double theta)

int findPlane_x = cvRound(Cylin2Plane_X(c_x, theta, W_col, r));

int findPlane_y = cvRound(Cylin2Plane_Y(c_x, r_y, H_row, r, theta));

//越界判断

if (findPlane_x < 0 || findPlane_x >= maxX)continue;

if (findPlane_y < 0 || findPlane_y >= maxY)continue;

//原来图像上对应的像素值

int color_b = SinglePanoramaIMG.at<cv::Vec3b>(findPlane_y, findPlane_x)[0];

int color_g = SinglePanoramaIMG.at<cv::Vec3b>(findPlane_y, findPlane_x)[1];

int color_r = SinglePanoramaIMG.at<cv::Vec3b>(findPlane_y, findPlane_x)[2];

CylinImg.at<cv::Vec3b>(r_y, c_x)[0] = color_b;

CylinImg.at<cv::Vec3b>(r_y, c_x)[1] = color_g;

CylinImg.at<cv::Vec3b>(r_y, c_x)[2] = color_r;

}

}

std::string SaveStr = std::string(".\\Output\\OutCylin.jpg");

imwrite(SaveStr, CylinImg);

}
原始影像和转换结果如下：
 
下一步要做的是借鉴这一理论，制作出球面投影和平面投影的转换代码。