配准中的搜索空间&平移变换MATLAB实现

煦煦向前

于 2022-02-28 09:05:04 发布

阅读量327

点赞数

分类专栏： MATLAB 文章标签： matlab

本文链接：https://blog.csdn.net/weixin_43803950/article/details/123174355

版权

MATLAB 专栏收录该内容

5 篇文章 1 订阅

订阅专栏

搜索空间

搜索空间包括空间变换范围和空间变换方式两部分。最常用的空间变换方式为仿射变换，它可以实现平移、旋转和按比例缩放。

在这里插入图片描述

平移变换

实现原理：将图像中所有的像素按照给定的平移量水平、垂直方向移动。

设(x_0,y_0)为原图像上的点，图像水平平移量为t_x,垂直平移量为t_y,则平移后点（x_0，y_0）坐标变为（x_1,y_1）。示意图如下

即，
$\left\{ \begin{array}{c} x_1=x_0+t_x\\ y_1=y_0+t_y\\ \end{array} \right.$
用矩阵表示为
$\left[ \begin{matrix} x_1& y_1& 1\\ \end{matrix} \right] =\left[ \begin{matrix} x_0& y_0& 1\\ \end{matrix} \right] \left[ \begin{matrix} 1& 0& 0\\ 0& 1& 0\\ t_x& t_y& 1\\ \end{matrix} \right]$
对上面矩阵求逆可以得到反向变换
$\left[ \begin{matrix} x_0& y_0& 1\\ \end{matrix} \right] =\left[ \begin{matrix} x_1& y_1& 1\\ \end{matrix} \right] \left[ \begin{matrix} 1& 0& 0\\ 0& 1& 0\\ -t_x& -t_y& 1\\ \end{matrix} \right]$
其对应坐标方程为
$\left\{ \begin{array}{c} x_0=x_1-t_x\\ y_0=y_1-t_y\\ \end{array} \right.$
对于新图像中的点，如果该点的灰度值在原始图像中没有可以，可以直接设置为0或255。相反，原图像的部分像素点可能没有包含在新图像中，也就是原图像中点被移出了显示区域。如果不希望丢失被移出的部分的图像，可以将新图像的宽|增大t_x|，高增大|t_y|。
代码实现：

OldImage = imread('ex.png');
x= -20,y=70; % 上移20，右移70
imshow(mat2gray(OldImage));
[nrows,ncols] = size(OldImage);%获取原图像的尺寸
width = nrows;
height = ncols;
NewImage = uint8(zeros(width,height));

T = [1,0,0;0,1,0;x,y,1];
tform = maketform('affine',T);

tx = zeros(width,height);%正向坐标值
ty = zeros(width,height);
for i = 1:width
    for j = 1:height
        tx(i,j) = i; % tx 保存各位置的横坐标
        ty(i,j) = j; % ty 保存各位置的纵坐标
    end
end
[w,z] = tforminv(tform,tx,ty); % 反向坐标值

for i = 1:width
    for j =1:height
        source_x = w(i,j);
        source_y = z(i,j);
        if (source_x>=width-1 || source_y>=height-1 ||double(uint16(source_x))<=0 || double(uint16(source_y))<=0) %疑问[为啥不是width+1 height+1]
            NewImage(i,j) = 0; % 新图像的点不在原图像中，直接赋值0
        else
            if (source_x/double(uint16(source_x))==1.0)&&(source_y/double(uint16(source_y))==1.0)
                % 整数点中的值直接将原图像中的值赋值给新图像
                NewImage(i,j) = OldImage(int16(source_x),int16(source_y));
            else
                % 不在整数点位置，采用双线性插值给新图像赋值
                a = double(uint16(source_x));
                b = double(uint16(source_y));
                x11 = double(OldImage(a,b)); % x11 x12 x21 x22都是灰度值
                x12 = double(OldImage(a,b+1));
                x21 = double(OldImage(a+1,b));
                x22 = double(OldImage(a+1,b+1));
                NewImage(i,j)= uint8((b+1-source_y)*((source_x-a)*x21+(a+1-source_x)*x11)+...
                (source_y-b)*((source_x-a)*x22+...
                (a+1-source_x)*x12));
                % 这个双线性插值是先在行方向插值，再在列方向插值，所以上面形式。
            end
            
         end
    end
end
I = NewImage;
figure,imshow(mat2gray(I))

以上为参考书实现方式
关于上述代码中双线性插值部分代码的理解。

参考草稿图，NewImage(i,j)对应原图像中的点S，S点坐标在代码中为（source_x,source_y）,其周围的四个整数点分别为A(a,b),B(a,b+1),C(a+1,b),D(a+1,b+1)。先利用A、D点插值计算S1的灰度值，利用B、C点插值计算S2的灰度值，然后利用S1和S2计算出S的灰度值。

下图为代码中对应的计算过程。

【这里我有个疑问是代码中（source_x，source_y）转化为uint16后，不一定是左上角那个点吧？】
下面是自己写的简易实现【目前没发现啥问题】

img = imread('ex.png');

oldImg = double(img);
figure,imshow(oldImg);
tx = -5; % 从结果来看，tx是上下平移，tx大于0则向下
ty =70; % ty是左右平移，ty大于0则向右平移
[width,height] = size(img);
newImg = zeros(width,height);
for i= 1:width
    for j=1:height
        newX = round(i+tx);
        newY = round(j+ty);
        if (newX<=width)&&(newY<=height)&&(newX>0)&&(newY>0) %不能等于0，从1开始
            newImg(newX,newY)=oldImg(i,j);
        end
    end
end
figure,imshow(newImg)