opencv logPolar()和linearPolar()

logPolar是把数据从笛卡尔转到对数极坐标系，linearPolar把数据从笛卡尔坐标系转到极坐标坐标系。

说到笛卡尔坐标系到极坐标系的转换，大家并不陌生，公式如下：

设(x, y)为极坐标的一点，()为转换中心，()为转换后的结果，则

笛卡尔转到对数极坐标系的转换多了一层对数，可表示如下

这里log以自然数e为底。

接下来，首先分析一下logPolar和linearPolar输入输出参数的含义以及用法，然后给出一些实验结果。

1 logPolar（）

这里把imgproc.hpp里的函数接口粘了过来，从接口说明里我们可以看到，

输入输出图像类型尺寸一致，输入参数还包括center():转换中心，M: scale 参数和flags(变换后图像插值方法)

logPolar()是这样做的转换:

---

I = (dx,dy) = (x - center.x,y - center.y) \\
\rho = M \cdot log_e(\texttt{magnitude} (I)) ,\\
\phi = Ky \cdot \texttt{angle} (I)_{0..360 deg} \\

M = src.cols / log_e(maxRadius) \\
Ky = src.rows / 360 \\

---

上述说明中，除了基本的变换公式外，M和Ky这两个参数需要注意一下，这两个参数决定着变换后半径和角度的尺度，也就是说，在变换后的极坐标图像上，x、y方向上单位像素与半径和角度的关系。

• M决定输出图像x轴()的尺度，Ky决定y轴()的尺度。
• 注意到，函数没有让我们手动设置Ky的值，Ky = src.rows / 360 已经写死，这样的话，输出极坐标图像y轴从y=0到yy=row-1的范围表示角度从0到360度的变化。

参数M没有写死，我们可以通过接口改变，那 M = src.cols / log_e(maxRadius)， 代表什么意思呢， maxRadius是什么呢？

回过头来看笛卡尔向极坐标的变换，现在把输入图像看作是一个二维笛卡尔坐标系，如下图我们可以自己设定center，假设center为图像中心，那么maxRadius=，那么我们就可以看出,此时乘M的作用就是在输出图像的x轴上，將log()从x=0拉伸到x=col-1。

                      笛卡尔坐标系图输入图像                                         对数极坐标系下图像

---

2 linearPolar（）

linearPolar和logPolar类似，比logPolar简单些，其变换如下图。

 

          笛卡尔坐标系图输入图像                                                        极坐标系下图像

 

3实验

下面来看几个比较特殊的实验，为了方便，用python实现：

•  

def polar(img):
  h, w = img.shape[:2]
  maxRadius = math.hypot(w/2,h/2)
  m = w / math.log(maxRadius)
  log_polar = cv2.logPolar(img, (w/2, h/2), m, cv2.WARP_FILL_OUTLIERS + cv2.INTER_LINEAR) 
  linear_polar = cv2.linearPolar(img, (w/2, h/2), maxRadius, cv2.WARP_FILL_OUTLIERS + cv2.INTER_LINEAR) 
  cv2.imshow("log_polar",log_polar)
  cv2.imshow("linear_polar",linear_polar)
  cv2.waitKey(1000)
  

第一组：    logPolar()     

    

                         src                                   m = src.cols / log_e(maxRadius) /2        m = src.cols /log_e(maxRadius)

第二组：    

               

                                                                                            logPolar()                                                      linearPolar()

             src                                                  m = src.cols /log_e(maxRadius)                                   maxRadius    

第三组：

                    

                                                                                logPolar()                                                      linearPolar()

                    src                                    m = src.cols /log_e(maxRadius)                              maxRadius

• 可以想一下在这几个例子中，变换后最右侧的尖儿为什有的能连延伸到最右侧，有的不能。
• 从笛卡尔坐标系来看，这三组的src貌似形状很完美，但经过转换后可以看出后两组的瑕疵了，如果后两组也是完美对称的，那么在极坐标系下，第二组纵向应该是笔直的，第三组横行应该是平行的。