python图像的几何运算_python中图像的几何扭曲

我想用python对图像执行几何变换，沿着给定的曲线“拉直”或校正图像。似乎scikit图像ProjectiveTransform()和{}对于这一点非常好，但是文档很少。我遵循了文档here，但是我不能让它在一个示例案例中正常工作。在

这里有一个例子：我将创建一个有两个同心圆的图像，目标是校正这些圆的四分之一，这样得到的图像是两条平行线。以下是示例数据：import numpy as np

a = np.zeros((500, 500))

# create two concentric circles with a thickness of a few pixels:

for i in range(500):

for j in range(500):

r = np.sqrt((i - 250)**2 + (j - 250)**2)

if r > 50 and r < 52:

a[i, j] = 10

if r > 100 and r < 102:

a[i, j] = 10

# now create the coordinates of the control points in the original image:

(x0, y0) = (250, 250)

r = 30 # inner circle

x = np.linspace(250 - r, 250, 50)

y = np.sqrt(r ** 2 - (x - x0) ** 2) + x0

r2 = 120 # outer circle

x2 = np.linspace(250 - r2, 250, 50)

y2 = np.sqrt(r2 ** 2 - (x2 - x0) ** 2) + x0

dst = np.concatenate((np.array([x, y]).T, np.array([x2, y2]).T))

这可以绘制出来，例如：

^{pr2}$

所以我的目标是校正由红色控制点给出的象限图像。(在本例中，这与笛卡尔到极坐标变换相同。)使用文档示例中的scikit图像，我完成了：# create corresponding coordinates for control points in final image:

xi = np.linspace(0, 100, 50)

yi = np.zeros(50)

xi2 = xi

yi2 = yi + (r2 - r)

src = np.concatenate((np.array([xi, yi]).T, np.array([xi2, yi2]).T))

# transform image

from skimage import transform, data

tform3 = transform.ProjectiveTransform()

tform3.estimate(src, dst)

warped = transform.warp(a, tform3)

我原以为这幅warped图像会显示两条平行线，但是我得到了：

我做错什么了？在

注意，虽然在本例中是笛卡尔到极坐标的变换，但在最一般的情况下，我要找的是从任意曲线的变换。如果有人知道更好的方法使用其他软件包，请告诉我。我可以通过使用ndimage.map_coordinates来解决这个问题，但是我正在寻找更优雅的方法。在