图像中的图像

最新推荐文章于 2022-04-13 12:44:02 发布

执抝

最新推荐文章于 2022-04-13 12:44:02 发布

阅读量409

点赞数

分类专栏：图像处理文章标签： alpha通道仿射变换图像中的图像

本文链接：https://blog.csdn.net/weixin_44074528/article/details/88662877

版权

图像处理专栏收录该内容

10 篇文章 0 订阅

订阅专栏

本文介绍了如何将一幅图像放置到另一幅图像中，利用仿射变换实现对齐，并通过alpha通道调整透明度。讨论了仿射变换的原理，包括平移、缩放、旋转等，并解释了alpha通道在处理图像透明度中的作用。同时，提到了代码实现过程中遇到的matplotlib库更新问题，以及解决方法。

摘要由CSDN通过智能技术生成

本次学习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标记物对齐，以集美大学的建筑为实验对象，本次实验将图一放置到图二中。

图一：
在这里插入图片描述
图二：

使用一个函数image_in_image(),输入两幅图像和一个坐标，通过仿射变换，将图像扭曲至与粘贴对象相近，再将扭曲的图像与粘贴对象融合，创建成alpha图像。

1.仿射变换原理：仿射变换（Affine Transformation 或Affine Map）是一种二维坐标（x, y）到二维坐标（u, v）的线性变换，也就是对图像的旋转拉伸，其数学表达式形式如下：
在这里插入图片描述
对应的齐次坐标矩阵表示形式为：

在图像处理中，可以通过一系列原子变换复合实现图片的平移、缩放、旋转、翻转和错切，从而实现仿射变换。
2.alpha通道原理：
对于一张图片而言，其具有透明度是因为它除了具有RGB三个颜色通道以外还拥有一个alpha通道，其值范围为0-255，越靠近0越透明，反之越靠近255越不透明，0为完全透明，255为完全不透明。
　 alpha混色是将源像素和背景像素的颜色进行混合，最终显示的颜色取决于其RGB颜色分量和Alpha值。它们之间的关系可用下列公式来表示：
显示颜色 = 源像素颜色 X alpha / 255 + 背景颜色 X (255 - alpha) / 255

3.代码实现：
使用狄洛克三角剖分方法时提示错误
在这里插入图片描述
即，matplotlib库中已经不再支持delaunay模块了。所以我们需要寻找一个别的模块来代替它。在开始之前，我们需要进入到warp.py里，首先修改一下其头文件为：

from scipy.spatial import Delaunay
from scipy import ndimage
from pylab import *
from numpy import *

from PCV.geometry import homography

实现代码为：

def image_in_image(im1,im2,tp):
    
    # points to warp from
    m,n = im1.shape[:2]
    fp = array([[0,m,m,0],[0,0,n,n],[1,1,1,1]])
    
    # compute affine transform and apply
    H = homography.Haffine_from_points(tp,fp)
    im1_t = ndimage.affine_transform(im1,H[:2,:2],
                    (H[0,2],H[1,2]),im2.shape[:2])
    alpha = (im1_t > 0)
    
    return (1-alpha)*im2 + alpha*im1_t

im1 = array(Image.open('../data/beatles.jpg').convert('L'))
im2 = array(Image.open('../data/billboard_for_rent.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)

使用坐标值为（430,426），（426,516），（589,522），（596,438）时：
在这里插入图片描述
使用坐标值为：（429,384），（431,478），（793,486），（792,386）时
备注：使用ginput函数时获得的坐标遵循从左上角逆时针，纵坐标在前横坐标在后的位置放进数组中。

附录：抓坐标工具：

# coding: utf-8
import cv2
img = cv2.imread("D:/python2019/code/warp/zhuang.jpg")


# print img.shape

def on_EVENT_LBUTTONDOWN(event, x, y, flags, param):
    if event == cv2.EVENT_LBUTTONDOWN:
        xy = "%d,%d" % (x, y)
        cv2.circle(img, (x, y), 1, (255, 0, 0), thickness=-1)
        cv2.putText(img, xy, (x, y), cv2.FONT_HERSHEY_PLAIN,
                    1.0, (0, 0, 0), thickness=1)
        cv2.imshow("image", img)


cv2.namedWindow("image")
cv2.setMouseCallback("image", on_EVENT_LBUTTONDOWN)
cv2.imshow("image", img)

while (True):
    try:
        cv2.waitKey(100)
    except Exception:
        cv2.destroyAllWindows()
        break

cv2.waitKey(0)
cv2.destroyAllWindows()