使用 OpenCV 实现“随机镜面墙”——多镜片密铺的哈哈镜效果

那雨倾城

已于 2025-05-22 19:01:33 修改

阅读量974

点赞数 8

分类专栏： OpenCV应用算法思路文章标签： opencv 人工智能计算机视觉 python

于 2025-05-22 00:20:20 首次发布

本文链接：https://blog.csdn.net/weixin_43607107/article/details/148126936

版权

OpenCV应用同时被 2 个专栏收录

25 篇文章

订阅专栏

算法思路

12 篇文章

订阅专栏

1. 引言

“哈哈镜”是一种典型的图像变形效果，通过局部镜面反射产生扭曲的视觉趣味。在计算机视觉和图像处理领域，这类效果不仅有趣，还能用于艺术创作、交互装置、视觉特效等场景。

传统的“哈哈镜”往往是针对整张图像做某种镜像或扭曲变换，而如果我们将图像划分为多个小镜片，每个镜片独立做镜面反射，拼成一面“镜子墙”，效果更丰富，也更具创意。

本文将介绍如何使用 Python 和 OpenCV 实现这样一种“随机镜面墙”效果：

在图像上随机生成多个点，利用三角剖分将图像切成多个小三角形面片（镜片）。
对每个镜片分别以其重心为中心做局部镜面反射变换。
最后将所有变换后的镜片无缝拼接，形成一幅由多个镜面组成的“哈哈镜”墙。

2. 基础准备：OpenCV 简介

OpenCV 是一个开源的计算机视觉库，提供了丰富的图像处理功能，如图像读取、变换、绘制等。

本案例中，主要用到的功能包括：

cv2.fillConvexPoly：绘制多边形掩码
cv2.boundingRect：获取多边形的最小外接矩形
cv2.warpAffine：仿射变换实现局部镜像
NumPy 进行数组和坐标操作

3. 设计思路

3.1 随机采样点 + 边界点

在图像区域内随机采样若干点（50~100个），并额外加入图像四个角点，确保后续切割覆盖整幅图。

3.2 Delaunay 三角剖分密铺

使用 SciPy 的 Delaunay 对采样点做三角剖分，得到一组不重叠的三角形面片，组成密铺。

3.3 计算三角形重心

对每个三角形顶点坐标求均值，得到重心作为局部镜面的“反射中心”。

3.4 局部镜面反射变换

以三角形重心为中心，利用仿射变换矩阵实现水平或垂直镜像（或旋转+镜像）。

例如水平镜像矩阵为：

M=[−102cx010]M = \begin{bmatrix} -1 & 0 & 2c_x \\ 0 & 1 & 0 \end{bmatrix}M=[−10012cx0]

其中 cxc_xcx 是重心的水平坐标（相对于当前ROI局部坐标）。

3.5 裁剪与拼接

对每个三角形计算外接矩形，裁剪图像和掩码。
将镜像变换后的结果放回对应位置，只覆盖三角形区域。

4. 关键代码示例

import cv2
import numpy as np
from scipy.spatial import Delaunay

class FrameObject:
    def __init__(self):
        pass

    def do(self, frame, device):
        h, w = frame.shape[:2]

        # 生成随机点 + 添加四角
        num_points = np.random.randint(50, 101)
        points = np.random.randint(0, [w, h], size=(num_points, 2))
        corners = np.array([[0,0], [w-1,0], [w-1,h-1], [0,h-1]])
        points = np.vstack((points, corners))

        # Delaunay 三角剖分
        tri = Delaunay(points)
        triangles = points[tri.simplices]

        result = np.zeros_like(frame)

        for tri_pts in triangles:
            # 创建掩码，绘制三角形
            mask = np.zeros((h, w), dtype=np.uint8)
            cv2.fillConvexPoly(mask, tri_pts, 255)

            # 计算重心
            centroid = np.mean(tri_pts, axis=0)

            # 裁剪ROI区域
            x, y, bw, bh = cv2.boundingRect(tri_pts)
            roi = frame[y:y+bh, x:x+bw]
            mask_roi = mask[y:y+bh, x:x+bw]

            # 转换重心到ROI局部坐标系
            cx, cy = centroid - np.array([x, y])

            # 构造水平镜像仿射矩阵
            M = np.array([
                [-1, 0, 2*cx],
                [0, 1, 0]
            ], dtype=np.float32)

            # 对ROI做镜像变换
            warped = cv2.warpAffine(roi, M, (bw, bh), flags=cv2.INTER_LINEAR)

            # 利用掩码覆盖变换结果
            mask_bin = (mask_roi > 0)
            for c in range(frame.shape[2]):
                result[y:y+bh, x:x+bw, c][mask_bin] = warped[:, :, c][mask_bin]

        return result