基于python的数字图像处理--学习笔记（二）

基于python的简单图像矩阵变换：

使用opencv-python读取图片文件，并使用numpy和math等库对图片进行对称反转、旋转、平移、剪切等操作。

当使用cv2.imread读入一个图片后，完全可以将读入的图片转换为nuparray矩阵，所有对图片灰度（色度）的变化，都可以表示为是对矩阵中像素位置对应的数据的变换操作。

也即，图像变换的本质是将像素点的坐标通过某一种函数关系，所有对图像的操作都是对像素矩阵的操作。在本次内容中，还并未涉及灰度值的变换，主要是图像像素坐标的迁移如平移或旋转。

在平移旋转中，变换后的图像和原图像的像素是一一对应的；而对于剪切等变换，会有原图像上多个像素对应变换后图像像素的情况。由此，即可引出，图像映射的前向和后向区分问题。

---

向前映射和向后映射：

假设变换前图像为I(x,y)，变换后图像为I’(x’,y’)，则变换前后的图像之间存在下列关系

1. 由原图像像素表示出变换后的像素，以原图每个像素为基准计算被它影响的新图像素。即为前向映射
   
2. 由变换后的图像像素还原出原图像像素，以新图每个像素为基准计算影响它的原图像素。即为后向映射
   在这种情况下，我们知道输出图像上整数点位置(x’,y’)在变换前位于输入图像上的位置(x,y)，一般来说这是个非整数点位置，利用其周围整数点位置的输入图像像素值进行插值，就得到了该点的像素值。我们遍历输出图像，经过坐标变换、插值两步操作，我们就能将其像素值一个个地计算出来，因此向后映射又叫图像填充映射。

前向映射可能会导致多对一的情况，也会出现目标点没有像素，但是原图像有的问题。工程上多使用反向映射，避免上述问题，同时减少计算量。但反向映射需要提前知道反变换，在变换复杂的场合，其反变换会很难求得。

参考：图像变换——向前映射和向后映射

参考：基础图像操作（十三）：像素重映射

---

图像旋转：

终于写到正题了，开始结合python实现对图像的简单变换。

前文说过，图像变换就是矩阵变换：图像旋转也即矩阵旋转。(x’,y’)表示一个点经过旋转后的新位置，(x,y)表示未旋转前的原始位置，θ为旋转角度，编程中以弧度为单位。

注意：计算多个点的旋转，需要将每个点位置分别代入公式计算。

1. 由以上方法，可写出旋转代码。但运行后会发现有诸多问题，这里先按下不表。

   import cv2 as cv
   import numpy as np
   import math
   
   
   def rotate(img, angle):
       height, width, _ = img.shape
       res = np.zeros((height, width, 3), np.uint8) #生成三通道原图片大小的变换后图片模板
       anglePi = angle * np.pi / 180.0
   
       for i in range(height):#y
           for j in range(width):#x
               # y = round(j * np.cos(anglePi) - i * np.sin(anglePi))   前向映射
               # x = round(j * np.sin(anglePi) + i * np.cos(anglePi))
               # 后向映射，下面为逆矩阵
               srcY = (j * np.cos(anglePi) + i * np.sin(anglePi))
               srcX = (-j * np.sin(anglePi) + i * np.cos(anglePi))
               # 后向映射+双线性插值
               x = math.floor(srcX)
               y = math.floor(srcY)
               u = srcX - x
               v = srcY - y
               if 0 <= x <= 255 and 0 <= y <= 255:
                   res[i, j] = (1 - u) * (1 - v) * img[x, y] + u * (1 - v) * img[x + 1, y] + (1 - u) * v * img[x, y + 1] + u * v * img[x + 1, y + 1]
                   # res[i, j] = img[x, y]
                   # res[x, y] = img[i, j]
       print(res.shape)
       return res
   
   if __name__ == '__main__':
       img = cv.imread("pic1.jpg")
       cv.imshow("rotated img"