python 贝塞尔曲线对图像进行扭曲_Python3 OpenCV3图像处理-图像扭曲

图像扭曲

对图像块应用仿射变换，我们将其称为图像扭曲(或者仿射扭曲)。该操作不仅经常应用在计算机图形学中，而且经常出现在计算机视觉算法中。扭曲操作可以使用 SciPy 工具包中的 ndimage 包来简单完成

1　图像中的图像

仿射扭曲的一个简单例子是，将图像或者图像的一部分放置在另一幅图像中，使得 它们能够和指定的区域或者标记物对齐。

将扭曲的图像和第二幅图像融合， 我们就创建了 alpha 图像。该图像定义了每个像素从各个图像中获取的像素值成分 多少。这里我们基于以下事实，扭曲的图像是在扭曲区域边界之外以 0 来填充的图 像，来创建一个二值的 alpha 图像。严格意义上说，我们需要在第一幅图像中的潜 在 0 像素上加上一个小的数值，或者合理地处理这些 0 像素(参见本章结尾的练习 部分)。注意，这里我们使用的图像坐标是齐次坐标意义下的。

2　分段仿射扭曲

，三角形图像块的仿射扭曲可以完成角点的精确匹配。让我们 看一下对应点对集合之间最常用的扭曲方式：分段仿射扭曲。给定任意图像的标记 点，通过将这些点进行三角剖分，然后使用仿射扭曲来扭曲每个三角形，我们可以 将图像和另一幅图像的对应标记点扭曲对应。对于任何图形和图像处理库来说，这 些都是最基本的操作。

3　图像配准

图像配准是对图像进行变换，使变换后的图像能够在常见的坐标系中对齐。配准可 以是严格配准，也可以是非严格配准。为了能够进行图像对比和更精细的图像分析， 图像配准是一步非常重要的操作。

配准使得我们计算的平均人脸和人脸表观的变化具有意义。因为，图像中的人脸并不都有相同的大小、位 置和方向，所以，在这种类型的配准中，我们实际上是寻找一个相似变换(带有尺 度变化的刚体变换)，在对应点对之间建立映射。