计算机视觉实验三 几何变换与变形

完整源码链接 https://github.com/LamyaLi/cvLab

计算机视觉实验三 几何变换与变形

一、图像缩放

1、题目要求

1）实现一个图像缩放函数，可以对输入图像进行任意倍数的缩放；

2）采用双线性插值进行重采样；

3）X,Y方向的缩放倍数参函数参数的形式传入；

4）可以只考虑输入图像为3通道，8位深度的情况；

5）不能调用图像处理库的缩放函数来完成；

2、题目分析

• 双线性插值比最邻近点插值效果更好，图像更连续

• 双线性插值依据最邻近四个点的值共同确定取值，计算方法如下：

3、实现步骤

• 根据缩放比例参数计算尺寸，初始化一个目标图片

  def zoom_bilinear_interpolation(source,x_rate,y_rate):
      #rate 缩放比例，目标：原
      #source是已经读取好的表示图像的三维数组
      starttime = datetime.datetime.now()
      if x_rate==1 and y_rate==1:
          return source.copy()
  
      x,y=int(source.shape[0]*x_rate),int(source.shape[1]*y_rate)
      des=np.zeros((x,y,3), dtype=np.uint8)
  

• 两层循环，给目标图像的每个像素插值

   for k in range(3):
          for i in range(x):
              for j in range(y):
                  m = int(i/ x_rate)
                  n =int(j / y_rate)
                  xr = i/ x_rate - m
                  yr = j / y_rate - n
                  m1=min(m+1,source.shape[0]-1)
                  n1=min(n+1,source.shape[1]-1)
                  des[i,j,k] = source[m, n, k] * (1 - xr) * (1 - yr) + source[m1, n1, k] * xr * yr + source[m1, n, k] * xr * (1 - yr) + source[m, n1, k] * yr * (1 - xr)
  

  注意用了min函数，保证边界不溢出

4、结果展示

测试比例为（1.5，2）

des=zoom_bilinear_interpolation(source,1.5,2)

二、图像变形

1、题目要求

2、题目分析

• 是目标图中的坐标，是其对应在原图中的坐标
• 关键点是，求目标图坐标在原图中的对应坐标，如果这个对应坐标不是整数对，则插值求灰度
• 采用双线性插值法

3、实现步骤

• 初始化一个目标图片

  def image_warping(source):
      # source是已经读取好的表示图像的三维数组
      starttime = datetime.datetime.now()
  
      size_w,size_h=source.shape[0],source.shape[1]
      des=source.copy()
  

• 遍历目标图片，根据公式求其在原图对应坐标

  先中心归一化坐标

   for i in range(size_w):
          for j in range(size_h):
              i_n = (i-0.5*size_w)/(0.5*size_w)
              j_n = (j-0.5*size_h)/(0.5*size_h)
  

  计算坐标向量的模，做出选择，求出对应坐标

  			r = (i_n**2+j_n**2)**0.5
  
              if r >= 1.0:
                  i_s=i
                  j_s=j
              else:
                  theta =(1-r)**2
                  i_n_s = math.cos(theta)*i_n-math.sin(theta)*j_n
                  j_n_s = math.sin(theta)*i_n+math.cos(theta)*j_n
                  i_s = i_n_s*0.5*size_w+0.5*size_w
                  j_s = j_n_s*0.5*size_h+0.5*size_h
  

• 双线性插值计算该目标图坐标处的灰度值，min防止索引越界

   			m = int(i_s)
              n = int(j_s)
              xr = i_s - m
              yr = j_s - n
              m1 = min(m + 1, size_w - 1)
              n1 = min(n + 1, size_h - 1)
              des[i, j, :] = source[m, n, :] * (1 - xr) * (1 - yr) + source[m1, n1, :] * xr * yr + source[m1, n, :] * xr * (1 - yr) + source[m, n1, :] * yr * (1 - xr)
  

4、结果展示