您好,登錄后才能下訂單哦!
這篇文章主要為大家展示了“Python計(jì)算機(jī)視覺(jué)圖像扭曲的示例分析”,內(nèi)容簡(jiǎn)而易懂,條理清晰,希望能夠幫助大家解決疑惑,下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“Python計(jì)算機(jī)視覺(jué)圖像扭曲的示例分析”這篇文章吧。
對(duì)圖像塊應(yīng)用仿射變換,我們將其稱為圖像扭曲(或者仿射扭曲)。該操作不僅經(jīng)常應(yīng)用在計(jì)算機(jī)圖形學(xué)中,而且經(jīng)常出現(xiàn)在計(jì)算機(jī)視覺(jué)算法中。
一、仿射變換原理
仿射變換能夠保持圖像的“平直性”,包括旋轉(zhuǎn),縮放,平移,錯(cuò)切操作。對(duì)于三個(gè)點(diǎn),仿射變換可以將一副圖像進(jìn)行扭曲,使得三對(duì)對(duì)應(yīng)點(diǎn)對(duì)可以完美地匹配上。仿射變換具有6個(gè)自由度,有三個(gè)對(duì)應(yīng)點(diǎn)對(duì)可以給出6個(gè)約束條件(對(duì)于這三個(gè)對(duì)應(yīng)點(diǎn)對(duì),x和y坐標(biāo)必須都要匹配)
仿射變換是在幾何上定義為兩個(gè)向量空間之間的一個(gè)仿射變換或者仿射映射。由一個(gè)非奇異的線性變換(運(yùn)用一次函數(shù)進(jìn)行的變換)接上一個(gè)平移變換組成。在有限維的情況,每個(gè)仿射變換可以由一個(gè)矩陣A和一個(gè)向量b給出,它可以寫作A和一個(gè)附加的列b。一個(gè)仿射變換對(duì)應(yīng)于一個(gè)矩陣和一個(gè)向量的乘法,而仿射變換的復(fù)合對(duì)應(yīng)于普通的矩陣乘法,只要加入一個(gè)額外的行到矩陣的底下,這一行全部是0除了最右邊是一個(gè)1,而列向量的底下要加上一個(gè)1。
二、圖像中的圖像
仿射扭曲簡(jiǎn)單的一個(gè)例子是,將圖像或者圖像的一部分放置在另一幅圖像中,使得它們能夠和指定的區(qū)域或者標(biāo)記物對(duì)齊。
以下是代碼:
from PCV.geometry import warp, homography from PIL import Image from pylab import * from scipy import ndimage # 仿射扭曲im1到im2的例子 im1 = array(Image.open('jida.jpg').convert('L')) im2 = array(Image.open('beijing.jpg').convert('L')) # 選定一些目標(biāo)點(diǎn) tp = array([[420,830,830,420],[400,350,1060,1000],[1,1,1,1]]) #標(biāo)記物的坐標(biāo)tp是用齊次坐標(biāo)意義下的坐標(biāo)表示的 #array為 第一張圖片貼到第二張圖片的四個(gè)角點(diǎn)的坐標(biāo) #tp = array([[675,826,826,677],[55,52,281,277],[1,1,1,1]]) im3 = warp.image_in_image(im1,im2,tp) #image_in_image()函數(shù)的輸入?yún)?shù)為兩幅圖像和一個(gè)坐標(biāo) figure() gray() subplot(141) axis('off') imshow(im1) subplot(142) axis('off') imshow(im2) subplot(143) axis('off') imshow(im3) # 選定im1角上的一些點(diǎn) m,n = im1.shape[:2] fp = array([[0,m,m,0],[0,0,n,n],[1,1,1,1]]) # 第一個(gè)三角形 tp2 = tp[:,:3] fp2 = fp[:,:3] # 計(jì)算H H = homography.Haffine_from_points(tp2,fp2) im1_t = ndimage.affine_transform(im1,H[:2,:2], (H[0,2],H[1,2]),im2.shape[:2]) # 三角形的alpha alpha = warp.alpha_for_triangle(tp2,im2.shape[0],im2.shape[1]) im3 = (1-alpha)*im2 + alpha*im1_t # 第二個(gè)三角形 tp2 = tp[:,[0,2,3]] fp2 = fp[:,[0,2,3]] # 計(jì)算H H = homography.Haffine_from_points(tp2,fp2) #Haffine_from_points()返回給定對(duì)應(yīng)點(diǎn)對(duì)的最優(yōu)仿射變換 im1_t = ndimage.affine_transform(im1,H[:2,:2], (H[0,2],H[1,2]),im2.shape[:2]) # 三角形的alpha alpha = warp.alpha_for_triangle(tp2,im2.shape[0],im2.shape[1]) im4 = (1-alpha)*im3 + alpha*im1_t subplot(144) imshow(im4) axis('off') show()
在實(shí)驗(yàn)過(guò)程中,也出現(xiàn)了一些問(wèn)題。
問(wèn)題一:
為解決問(wèn)題,先去PCV\PCV-master\PCV\geometry中找到wary.py和homegraphy.py文件,把print后面的語(yǔ)句都加上括號(hào)。但是在檢查了好幾遍括號(hào)以后,問(wèn)題都沒(méi)有解決,所以重裝了一次pcv以后,異常就解決了。(重裝pcv的方法在前面的博客有記錄)
問(wèn)題二:
因?yàn)槭莔atplotlib發(fā)生了異常,所以我把matplotlib卸載了(在終端輸入pip uninstall matplotlib),然后重裝matplotlib,我在終端輸入pip install matplotlib以后,安裝無(wú)法成功,顯示Could not install packages due to an EnvironmentError: [Errno 13] Permission denied。
這時(shí)候解決方法如下,輸入:pip install matplotlib --user便可成功安裝(注意:是有兩個(gè)-)。
解決以上兩個(gè)問(wèn)題后,代碼可正常運(yùn)行。
以上是“Python計(jì)算機(jī)視覺(jué)圖像扭曲的示例分析”這篇文章的所有內(nèi)容,感謝各位的閱讀!相信大家都有了一定的了解,希望分享的內(nèi)容對(duì)大家有所幫助,如果還想學(xué)習(xí)更多知識(shí),歡迎關(guān)注億速云行業(yè)資訊頻道!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。