《Python计算机视觉》_ch3_图像到图像的映射的学习

最新推荐文章于 2022-09-27 21:00:14 发布

@lyp1997

最新推荐文章于 2022-09-27 21:00:14 发布

阅读量281

点赞数

分类专栏：计算机视觉

本文链接：https://blog.csdn.net/qq_42584188/article/details/88663803

版权

本文介绍了如何使用Python进行仿射变换，包括将图像放置到另一图像中并进行扭曲处理。通过理解单应性矩阵和仿射变换原理，详细阐述了图像扭曲的过程，并提供了使用PCV库进行仿射变换的代码示例。实验中强调了对应点对的选择、图像尺寸匹配的重要性以及Alpha图像在图像融合中的应用。

摘要由CSDN通过智能技术生成

仿射变换的学习

本次实验做一个放射扭曲的一个简单例子，将图像放到另一张图片中，使其能够和指定区域对齐。
实验步骤如下：
1.得到im1图与im2图的图像数组
2.将tp赋值为im1图中映射到im2图的位置（上下左右四个点)数组，fp赋值为关于B图四个顶点的数组
3.使得tp是fp经过仿射变换H矩阵得到的。
4.利用得到的H矩阵对A图进行扭曲处理得到im1_t。
5.创建alpha图像
3.根据alpha图像的权值得到图像im3，即最后的结果

以下将根据上面的步骤代入代码，分析原理。

 # -*- coding: utf-8 -*-
from PCV.geometry import warp, homography
from PIL import  Image
from pylab import *
from scipy import ndimage

# example of affine warp of im1 onto im2

im1 = array(Image.open('C:/Users/LENOVO/Desktop/计算机视觉/ch2/images/131.jpg').convert('L'))
im2 = array(Image.open('C:/Users/LENOVO/Desktop/计算机视觉/ch2/images/130.jpg').convert('L'))
# set to points
tp = array([[240,340,340,240],[200,200,300,300],[1,1,1,1]])#四个点
#tp = array([[675,826,826,677],[55,52,281,277],[1,1,1,1]])
im3 = warp.image_in_image(im1,im2,tp)
figure