图像到图像的映射
原理
仿射变换
仿射变换是一种二维坐标到二维坐标之间的线性变换(相同平面),它保持了二维图形的“平直性”(直线经过变换之后依然是直线)和“平行性”(二维图形之间的相对位置关系保持不变,平行线依然是平行线,且直线上点的位置顺序不变),但是角度会改变。在有限维的情况,每个仿射变换可以由一个矩阵A和一个向量b给出,它可以写作A和一个附加的列b。一个仿射变换对应于一个矩阵和一个向量的乘法,而仿射变换的复合对应于普通的矩阵乘法,只要加入一个额外的行到矩阵的底下,这一行全部是0除了最右边是一个1,而列向量的底下要加上一个1。
空间坐标变换经常使用的仿射变换式子如下。其中(x,y)为变换前的坐标,(x’,y’)为变换后的坐标。
由于仿射变换具有6个自由度,因此我们需要三个对应点来计算。
在仿射变换中有两种基本的方法:前向映射和逆向映射,如下图:
以逆向映射为例,对于 g(x’)中的每个像素 x’, 根据变换模型计算相应的映射坐标 x = h-1(x’), 并将x的像素值赋给g(x’)。前向映射则相反。从原始图像映射到变换图像,赋值的时候需要进行插值运算。通常情况下有三种插值运算:最邻近插值法、双线性插值法、双三次插值法。
单应矩阵
把一张图映射到另一张图上,与前面提到的仿射变换需要变换矩阵T相似,这里我们需要单应矩阵H。我们假设两张图像中的对应点对齐次坐标为(x’,y’,1)和(x,y,1),单应矩阵H定义为:
注意其中h22=1
则有:
将其展开,我们可以得到:
将其乘以分母得到:
左式展开减去右式,并写成矩阵形式有:
假设我们得到两幅图片中的N个对应点,则有:
如果已经有幅图像,只需要找到原始图像中的任意四个点坐标(其中至少三个点不在同一条直线上),并且指定目标图像中的四个点,这样通过这八个点,就能求出变换矩阵H。
alpha通道
阿尔法通道是一个8位的灰度通道,该通道用256级灰度来记录图像中的透明度信息,定义透明、不透明和半透明区域,其中白表示不透明,黑表示透明,灰表示半透明。
将第一张图映射在第二张图的部分设为透明,第二张图的其余部分为不透明,即可完成映射。
实现
from PIL import Image
from pylab import *
from scipy import ndimage
def image_in_image(im1,im2,tp):
m,n = im1.shape[:2]
fp = array([[0,m,m,0],[0,0,n,n],[1,1,1,1]])
H = Haffine_from_points(tp,fp)
im1_t = ndimage.affine_transform(im1,H[:2,:2],
(H[0,2],H[1,2]),im2.shape[:2])
alpha = (im1_t > 0)
return (1