【OpenCV入门教程之十八】OpenCV仿射变换 SURF特征点描述合辑

               

 本系列文章由@浅墨_毛星云 出品，转载请注明出处。  

 文章链接： http://blog.csdn.net/poem_qianmo/article/details/33320997

 作者：毛星云（浅墨）    微博：http://weibo.com/u/1723155442

 知乎：http://www.zhihu.com/people/mao-xing-yun

 邮箱： happylifemxy@163.com

  写作当前博文时配套使用的OpenCV版本：  2.4.9

本篇文章中，我们一起探讨了OpenCV中仿射变换和SURF特征点描述相关的知识点，主要一起了解OpenCV中仿射变换相关的函数warpAffine和 getRotationMatrix2D，SURF算法在OpenCV中进一步的体现与应用。此博文一共有两个配套的麻雀虽小但五脏俱全的示例程序，其经过浅墨详细注释过的代码都在文中贴出，且文章最后提供了综合示例程序的下载。

依然是先看看示例程序截图：

一、仿射变换

1.1 初识仿射变换

仿射变换（Affine Transformation或 Affine Map），又称仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间的过程。它保持了二维图形的“平直性”（即：直线经过变换之后依然是直线）和“平行性”（即：二维图形之间的相对位置关系保持不变，平行线依然是平行线，且直线上点的位置顺序不变）。

一个任意的仿射变换都能表示为乘以一个矩阵(线性变换)接着再加上一个向量(平移)的形式。

那么, 我们能够用仿射变换来表示如下三种常见的变换形式：

• 旋转，rotation (线性变换)
• 平移，translation(向量加)
• 缩放，scale(线性变换)

如果进行更深层次的理解，仿射变换代表的是两幅图之间的一种映射关系。

而我们通常使用2 x 3的矩阵来表示仿射变换。

                             

 

 

考虑到我们要使用矩阵 A 和 B 对二维向量 做变换, 所以也能表示为下列形式:

  或者     

 

即：       

 

 

1. 2 仿射变换的求法

我们知道，仿射变换表示的就是两幅图片之间的一种联系 . 关于这种联系的信息大致可从以下两种场景获得:

• <1>已知 X和T，而且我们知道他们是有联系的. 接下来我们的工作就是求出矩阵 M

• <2>已知 M和X，要想求得 T. 我们只要应用算式即可. 对于这种联系的信息可以用矩阵 M 清晰的表达 (即给出明确的2×3矩阵) 或者也可以用两幅图片点之间几何关系来表达。

我们形象地说明一下，因为矩阵 M 联系着两幅图片, 我们就以其表示两图中各三点直接的联系为例。

见下图:

其中，点1, 2 和 3 (在图一中形成一个三角形) 与图二中三个点是一一映射的关系, 且他们仍然形成三角形, 但形状已经和之前不一样了。我们能通过这样两组三点求出仿射变换 (可以选择自己喜欢的点), 接着就可以把仿射变换应用到图像中去。

 

 

1.3 仿射变换相关的函数使用

OpenCV仿射变换相关的函数一般涉及到warpAffine和getRotationMatrix2D这两个：

• 使用OpenCV函数warpAffine 来实现一些简单的重映射.
• 使用OpenCV函数getRotationMatrix2D 来获得旋转矩阵。

下面分别对其进行讲解。

 

1.3.1 warpAffine函数详解

warpAffine函数的作用是依据如下式子，对图像做仿射变换。

函数原型如下：

C++: void warpAffine(InputArray src,OutputArray dst, InputArray M, Size dsize, int flags=INTER_LINEAR, intborderMode=BORDER_CONSTANT, const Scalar& borderValue=Scalar())

• 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。
• 第二个参数，OutputArray类型的dst，函数调用后的运算结果存在这里，需和源图片有一样的尺寸和类型。
• 第三个参数，InputArray类型的M，2×3的变换矩阵。
• 第四个参数，Size类型的dsize，表示输出图像的尺寸。
• 第五个参数，int类型的flags，插值方法的标识符。此参数有默认值INTER_LINEAR(线性插值)，可选的插值方式如下：

• • INTER_NEAREST - 最近邻插值
  • INTER_LINEAR - 线性插值（默认值）
  • INTER_AREA - 区域插值
  • INTER_CUBIC –三次样条插值
  • INTER_LANCZOS4 -Lanczos插值
  • CV_WARP_FILL_OUTLIERS - 填充所有输出图像的象素。如果部分象素落在输入图像的边界外，那么它们的值设定为 fillval.
  • CV_WARP_INVERSE_MAP –表示M为输出图像到输入图像的反变换，即 。因此可以直接用来做象素插值。否则, warpAffine函数从M矩阵得到反变换。

• 第六个参数，int类型的borderMode，边界像素模式，默认值为BORDER_CONSTANT。
• 第七个参数，const Scalar&类型的borderValue，在恒定的边界情况下取的值，默认值为Scalar()，即0。

另外提一点，我们的WarpAffine函数与一个叫做cvGetQuadrangleSubPix( )的函数类似，但是不完全相同。 WarpAffine要求输入和输出图像具有同样的数据类型，有更大的资源开销（因此对小图像不太合适）而且输出图像的部分可以保留不变。而 cvGetQuadrangleSubPix 可以精确地从8位图像中提取四边形到浮点数缓存区中，具有比较小的系统开销，而且总是全部改变输出图像的内容。

 

 

1.3.2 getRotationMatrix2D

计算二维旋转变换矩阵。变换会将旋转中心映射到它自身。

C++: Mat getRotationMatrix2D(Point2fcenter, double angle, double scale)

• 第一个参数，Point2f类型的center，表示源图像的旋转中心。
• 第二个参数，double类型的angle，旋转角度。角度为正值表示向逆时针旋转（坐标原点是左上角）。
• 第三个参数，double类型的scale，缩放系数。

 

此函数计算以下矩阵：

 

其中：

 

 

1.4 仿射变换相关核心函数在OpenCV中的实现源代码

 

这个部分贴出OpenCV中本节相关函数的源码实现细节，来给想了解实现细节的小伙伴们参考。浅墨暂时不在源码的细节上挖深作详细注释。

 

1.4.1 OpenCV2.X中warpAffine函数源代码

首先，是warpAffine函数的实现源码。

void cv::warpAffine( InputArray _src,OutputArray _dst,                     InputArray _M0, Sizedsize,                     int flags, int borderType,const Scalar& borderValue ){   Mat src = _src.getMat(), M0 = _M0.getMat();   _dst.create( dsize.area() == 0 ? src.size() : dsize, src.type() );   Mat dst = _dst.getMat();   CV_Assert( src.cols > 0 && src.rows > 0 );   if( dst.data == src.data )       src = src.clone();    double M[6];   Mat matM(2, 3, CV_64F, M);   int interpolation = flags & INTER_MAX;   if( interpolation == INTER_AREA )       interpolation = INTER_LINEAR;    CV_Assert( (M0.type() == CV_32F || M0.type() == CV_64F) &&M0.rows == 2 && M0.cols == 3 );   M0.convertTo(matM, matM.type()); #ifdef HAVE_TEGRA_OPTIMIZATION   if( tegra::warpAffine(src, dst, M, flags, borderType, borderValue) )       return;#endif    if( !(flags & WARP_INVERSE_MAP) )    {       double D = M[0]*M[4] - M[1]*M[3];       D = D != 0 ? 1./D : 0;       double A11 = M[4]*D, A22=M[0]*D;       M[0] = A11; M[1] *= -D;       M[3] *= -D; M[4] = A22;       double b1 = -M[0]*M[2] - M[1]*M[5];       double b2 = -M[3]*M[2] - M[4]*M[5];       M[2] = b1; M[5] = b2;    }    int x;   AutoBuffer<int> _abdelta(dst.cols*2);   int* adelta = &_abdelta[0], *bdelta = adelta + dst.cols;   const int AB_BITS = MAX(10, (int)INTER_BITS);   const int AB_SCALE = 1 << AB_BITS;/*#if defined (HAVE_IPP) &&(IPP_VERSION_MAJOR >= 7)   int depth = src.depth();   int channels = src.channels();    if( ( depth == CV_8U || depth == CV_16U ||depth == CV_32F ) &&       ( channels == 1 || channels == 3 || channels == 4 ) &&       ( borderType == cv::BORDER_TRANSPARENT || ( borderType ==cv::BORDER_CONSTANT ) ) )    {       int type = src.type();       ippiWarpAffineBackFunc ippFunc =           type == CV_8UC1 ? (ippiWarpAffineBackFunc)ippiWarpAffineBack_8u_C1R :           type == CV_8UC3 ? (ippiWarpAffineBackFunc)ippiWarpAffineBack_8u_C3R :           type == CV_8UC4 ? (ippiWarpAffineBackFunc)ippiWarpAffineBack_8u_C4R :           type == CV_16UC1 ? (ippiWarpAffineBackFunc)ippiWarpAffineBack_16u_C1R :           type == CV_16UC3 ? (ippiWarpAffineBackFunc)ippiWarpAffineBack_16u_C3R :           type == CV_16UC4 ? (ippiWarpAffineBackFunc)ippiWarpAffineBack_16u_C4R :           type == CV_32FC1 ? (ippiWarpAffineBackFunc)ippiWarpAffineBack_32f_C1R :           type == CV_32FC3 ? (ippiWarpAffineBackFunc)ippiWarpAffineBack_32f_C3R :           type == CV_32FC4 ? (ippiWarpAffineBackFunc)ippiWarpAffineBack_32f_C4R :           0;       int mode =           flags == INTER_LINEAR ? IPPI_INTER_LINEAR :