关于仿射变换矩阵的一点理解
仿射变换,是一种二维坐标到二维坐标之间的线性变换;它保持了二维图形的“平直性”(直线经过变换后依然是直线)和“平行性”(二维图形之间相对位置保持不变,平行线依然是平行线,且直线上点的位置关系不变)。仿射变换可以写为如下形式。
变换形式如下,a0, a1, a2, b0, b1,b2是对应2*3变换矩阵的几个值。
针对图像而言,变换矩阵和图像之间关系为:dst_img=M*src_img
仿射变换有如下几种变换形式:平移、旋转、放缩、剪切、翻转。
为了涵盖平移,将变换矩阵引入齐次坐标,在原有二维基础上增加一个维度,如下:
不同的基础变换,a,b,c,d,e,f约束不同,可以有如下几种,a,b,d,e主要控制x,y的旋转,缩放指标,c,f 则是控制是否平移的指标。比如当c,f不为0时候,表示原图左下角坐标(h1,w1)平移变成了(h1+y, w1+x)。当a,b,d,e 分别是1,0,0,1时候,表示原图尺寸不变,如果变成了 w2, 0, 0, h2,则表示原图的height和width分别re_scale了H,W倍。
借助opencv, 一张图像的仿射变换求解流程:
1,给出图像上三个点的坐标,以及仿射变换后对应的这三个点的坐标
2,利用M=cv2.getAffineTransform(src_point,dst_point)得到转换矩阵M
3,利用dst= cv2.warpAffine(img,M,(new_width,new_height))得到转换后的图像。其中img是原图,(new_width,new_height)是转换后的图像尺寸。
另外一种方法,根据如上图的自定义的仿射变换结果,直接给出M矩阵,求解仿射后图像的方法。
比如,想通过仿射变换实现将一张图resize成小点的尺寸,使用两种方法的对比代码如下:
# -*- coding: utf-8 -*-import cv2
import numpy as npimg = cv2.imread('test.jpg')
# img=cv2.resize(img,(250,300))
height, width = img.shape[:2]new_height=220
new_width=180
print("ori:%d,%d, new: %d, %d"%(height,width,new_height,new_width))
scale=min(new_height/height,new_width/width)
M1=np.array([[scale, 0, 0],[0,scale, 0]])
iM1=cv2.invertAffineTransform(M1)#逆矩阵,可反向由dst*iM1求得srcdst1=cv2.warpAffine(img,M1,(new_width,new_height))
new_dst=np.zeros([height,width,3]).astype(np.uint8)
new_dst[:new_height,:new_width,:]=dst1
img1 = np.hstack([img,new_dst])src_point=np.float32([[0,0],[0,height],[width,0]])
dst_point=np.float32([[0,0],[0,new_height],[new_width,0]])
M2=cv2.getAffineTransform(src_point,dst_point)
dst2=cv2.warpAffine(img,M2,(new_width,new_height))
new_dst1=np.zeros([height,width,3]).astype(np.uint8)
new_dst1[:new_height,:new_width,:]=dst2
img2 = np.hstack([img,new_dst1])
img3=np.hstack([img1,img2])
cv2.imshow("M2",img3)
cv2.waitKey(0)'''
# 在原图像和目标图像上各选择三个点
mat_src = np.float32([[0, 0],[0, height-1],[width-1, 0]])
mat_dst = np.float32([[0, 0],[100, height-100],[width-100, 100]])
# 得到变换矩阵
mat_trans = cv2.getAffineTransform(mat_src, mat_dst)
# 进行仿射变换
dst = cv2.warpAffine(img, mat_trans, (width,height))# 显示
imgs = np.hstack([img,dst])
cv2.namedWindow('imgs', cv2.WINDOW_NORMAL)
cv2.imshow("imgs",imgs)
cv2.waitKey(0)
'''
两种方法对比如下,左边是直接定义M,右边是通过两组图的三个对应点求M的方式,所有的左边是原图,右边是仿射处理后的图。
透射变换
透视变换的API和仿射变换的API很像,原理也相同,不同的只是由之前的三点变为四点法求透视变换矩阵,变换矩阵也由2*3变为3*3
M = cv2.getPerspectiveTransform(src_points, dst_points)
im_dst= cv2.warpPerspective(im_src, M, dsize = (w,h), flags = cv2.INTER_LINEAR)
参考:仿射变换及其变换矩阵的理解 - shine-lee - 博客园
OpenCV: Geometric Image Transformations
关于仿射变换矩阵的一点理解相关推荐
- 谈谈对APC的一点理解
谈谈对APC的一点理解 异步过程调用(APCs) 是NT异步处理体系结构中的一个基础部分,理解了它,对于了解NT怎样操作和执行几个核心的系统操作很有帮助. 1) APCs允许用户程序和系统元件在一个进 ...
- python 3列表推导式的的一点理解!
python 3列表推导式的的一点理解! Python的列表推导式对于新手来说一般都难以理解,简单看个例子: [x * x for x in range(1,100)] 上面是一个很简单的列表推导式, ...
- TSYS2.0对动态碎片的一点理解
最近好多人对tsys很感兴趣,其实大家不知道的是tsys的asp版本早就已经停止开发了,为了不想让如此优秀的东西被埋没所以我在tsys的asp版 本的基础上使用PHP重新开发了一个功能更强的cms,名 ...
- 对事件循环的一点理解
最近工作需要学习了解webworker-threads以应对Javascript多线程处理CPU密集型的可能性:参考文档JavaScript多线程之二 Node.js中的Web Worker; 以下是 ...
- Eigen学习记录1-Affine3f 仿射变换矩阵
首先总结而言:仿射变换矩阵实际上就是:平移向量+旋转变换组合而成,可以同时实现旋转,缩放,平移等空间变换. Eigen库中,仿射变换矩阵的大致用法为: 创建Eigen::Affine3f 对象a. ...
- Hyperledger Fabric 网络环境的一点理解
Hyperledger Fabric 开发链码,一般都是测试网络开发,然后部署到生产网络. 下面介绍测试网络.生产网络的一点理解. 1 测试网络 使用cryptogen等工具建立测试网络,开发环境使用 ...
- Tecplot中用excel表格绘制xy图的一点理解
原文地址:Tecplot中用excel表格绘制xy图的一点理解作者:又见谷雨 在画图的时候遇到一些问题,比如想用excel中的数据画xy图,那么应该怎样加载这些数据呢.在网上查找了下,也没有详细的说法 ...
- 2.深入一点理解C源程序的编译过程
2.深入一点理解C源程序的编译过程 本文章的大多数灵感及知识来源于南京大学的计算机系统基础教材,如果希望更加深入地对相关知识做进一步了解,可以移步上述相关资源.在网上可以轻易获得上述资源,mooc也有 ...
- negroni包和mux包的一点理解
codegangsta/negroni包和gorilla/mux包的一点理解 Negroni是一个http.Handle,因为他实现了 func (n *Negroni) ServeHTTP(rw h ...
最新文章
- SAP BW数据源增强管理
- 经典C语言程序100例之九一
- Learning to Rank算法介绍:RankSVM 和 IR SVM
- 开发板实现645协议C语言,迅为-imx6ull开发板之C语言实现LED例程
- c++经典编程题_【经典C语言知识】C/C++编程难点总结
- java将一个对象赋值给另一个对象_java一个对象赋值给另一个对象,支持平铺类和层级类间的互转...
- Oracle分析函数一——函数列表
- 深度学习(三十)贪婪深度字典学习
- java使用netty
- Node.js和io.js将合并到Node基金会下
- QQ是怎样实现好友桌面快捷方式的?
- java string是final_关于java:String和Final
- 怎么选择boost升压电路的电感?只要三个公式
- USB3300速度调试
- 网络协议之NAT穿透原理
- 看红帽巨佬解析⭐《二、G1垃圾回收配置解析》⭐
- VC++6.0常见问题之fatal error C1083解决方案
- 【C语言】C文件编译时间,日期,行号,文件名获取方式
- python n个list如何组成矩阵_使用Python并行框架Dask处理和分析大规模时空数据
- Linux 网络编程socket错误分析