Python实验三：图像中的图像

一、原理介绍

单应性变换是将一个平面内的点映射到另个平面内的二维投影变换。平面是指图像或者三维中的平面表面。
单应性矩阵(Homography)就是一个从一张图像到另一张图像映射关系的转换矩阵(3*3)。可以由下面的公式来表示：

可以将单应性变换写成如下形式：

二、Alpha原理
在图形学中，ALPHA指的是除了颜色的三个分量（RGB）外 的第四个分量：透明度。所以，一个真彩色（指利用RGB分量合成颜色）的像素就变成由四个分量组成：R、G、B、A。在我们的讨论里，设R、G、B、A均 为从0到1的值，其中ALPHA=0为完全透明，ALPHA=1为完全覆盖，中间的数值代表半透明。这样的设定是为了能使本文独立于显示硬件。我们把诸如 （R，G，B，A）这样的东西称为四元组。一个这样的四元组代表一个由RA、GA、B*A组合而成的颜色。

有一点重要的是，要清楚分辨如下两个关键像素的意义：

黑色=(0,0,0,1)

完全透明=(0,0,0,0）

下面是如何根据ALPHA通道数据进行混合的算法：

简单地，我们只需要把需要组合的颜色计算出不含ALPHA分量的原始RGB分量然后相加便可。比如现在有两幅图象，分别称为图象A和图象B，由这两幅图象组合而成的图象称为C，则我们有如下的四元组：

A: (Ra，Ga，Ba，ALPHAa)

B: (Rb, Gb, Bb, ALPHAb)

和组合后的RGB三元组：

C: (Rc, Gc, Bc)

则：

Rc = Ra * ALPHAa + Rb * ALPHAb

Gc = Ga * ALPHAa + Gb * ALPHAb

Bc = Ba * ALPHAa + Bb * ALPHAb

便可得出混合后的颜色。

如果有多幅图像需要混合，则按照以上方法两幅两幅地进行混合。

三、实验结果

 # -*- 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('D:/pic/112.jpg').convert('L'))
im2 = array(Image.open('D:/pic/111.jpg').convert('L'))
# set to points
tp = array([[120,260,260,120],[16,16,305,305],[1,1,1,1]])
#tp = array([[675,826,826,677],[55,52,281,277],[1,1,1,1]])
im3 = warp.image_in_image(im1,im2,tp)
figure()
gray()
subplot(141)
axis('off')
imshow(im1)
subplot(142)
axis('off')
imshow(im2)
subplot(143)
axis('off')
imshow(im3)

# set from points to corners of im1
m,n = im1.shape[:2]
fp = array([[0,m,m,0],[0,0,n,n],[1,1,1,1]])
# first triangle
tp2 = tp[:,:3]
fp2 = fp[:,:3]
# compute H
H = homography.Haffine_from_points(tp2,fp2)
im1_t = ndimage.affine_transform(im1,H[:2,:2],
(H[0,2],H[1,2]),im2.shape[:2])
# alpha for triangle
alpha = warp.alpha_for_triangle(tp2,im2.shape[0],im2.shape[1])
im3 = (1-alpha)*im2 + alpha*im1_t
# second triangle
tp2 = tp[:,[0,2,3]]
fp2 = fp[:,[0,2,3]]
# compute H
H = homography.Haffine_from_points(tp2,fp2)#解释
im1_t = ndimage.affine_transform(im1,H[:2,:2],
(H[0,2],H[1,2]),im2.shape[:2])
# alpha for triangle
alpha = warp.alpha_for_triangle(tp2,im2.shape[0],im2.shape[1])
im4 = (1-alpha)*im3 + alpha*im1_t
subplot(144)
imshow(im4)
axis('off')
show()

使用仿射变换将图像放置于另一幅图片中，它们能够和指定的区域或者标记物对齐。使用image_in_image()函数，该函数的输入参数为两幅图像和一个坐标，该坐标为将第一幅图放置到第二幅图像中的角点坐标。
函数Haffine_from_points()会返回给定对应点对的最优放射变换。