Android中图像变换Matrix的原理、代码验证和应用

第一部分 Matrix的数学原理

在Android中,如果你用Matrix进行过图像处理,那么一定知道Matrix这个类。Android中的Matrix是一个3 x 3的矩阵,其内容如下:

 

Matrix的对图像的处理可分为四类基本变换:

Translate           平移变换

Rotate                旋转变换

Scale                  缩放变换

Skew                  错切变换

 

从字面上理解,矩阵中的MSCALE用于处理缩放变换,MSKEW用于处理错切变换,MTRANS用于处理平移变换,MPERSP用于处理透视变换。实际中当然不能完全按照字面上的说法去理解Matrix。同时,在Android的文档中,未见到用Matrix进行透视变换的相关说明,所以本文也不讨论这方面的问题。

 

针对每种变换,Android提供了pre、set和post三种操作方式。其中

set用于设置Matrix中的值。

pre是先乘,因为矩阵的乘法不满足交换律,因此先乘、后乘必须要严格区分。先乘相当于矩阵运算中的右乘。

post是后乘,因为矩阵的乘法不满足交换律,因此先乘、后乘必须要严格区分。后乘相当于矩阵运算中的左乘。

 

除平移变换(Translate)外,旋转变换(Rotate)、缩放变换(Scale)和错切变换(Skew)都可以围绕一个中心点来进行,如果不指定,在默认情况下是围绕(0, 0)来进行相应的变换的。

 

下面我们来看看四种变换的具体情形。由于所有的图形都是有点组成,因此我们只需要考察一个点相关变换即可。

 

一、 平移变换

假定有一个点的坐标是 ,将其移动到 ,再假定在x轴和y轴方向移动的大小分别为:


如下图所示:


不难知道:


如果用矩阵来表示的话,就可以写成:

 


二、 旋转变换

 

2.1    围绕坐标原点旋转:

假定有一个点 ,相对坐标原点顺时针旋转后的情形,同时假定P点离坐标原点的距离为r,如下图:


那么,


如果用矩阵,就可以表示为:


 

2.2    围绕某个点旋转

如果是围绕某个点顺时针旋转,那么可以用矩阵表示为:


可以化为:


很显然,

1.   

  是将坐标原点移动到点后, 的新坐标。

2.     


是将上一步变换后的,围绕新的坐标原点顺时针旋转 。

3.     


经过上一步旋转变换后,再将坐标原点移回到原来的坐标原点。

 

所以,围绕某一点进行旋转变换,可以分成3个步骤,即首先将坐标原点移至该点,然后围绕新的坐标原点进行旋转变换,再然后将坐标原点移回到原先的坐标原点。

 

三、 缩放变换

理论上而言,一个点是不存在什么缩放变换的,但考虑到所有图像都是由点组成,因此,如果图像在x轴和y轴方向分别放大k1和k2倍的话,那么图像中的所有点的x坐标和y坐标均会分别放大k1和k2倍,即


用矩阵表示就是:


缩放变换比较好理解,就不多说了。

 

四、 错切变换

错切变换(skew)在数学上又称为Shear mapping(可译为“剪切变换”)或者Transvection(缩并),它是一种比较特殊的线性变换。错切变换的效果就是让所有点的x坐标(或者y坐标)保持不变,而对应的y坐标(或者x坐标)则按比例发生平移,且平移的大小和该点到x轴(或y轴)的垂直距离成正比。错切变换,属于等面积变换,即一个形状在错切变换的前后,其面积是相等的。

比如下图,各点的y坐标保持不变,但其x坐标则按比例发生了平移。这种情况将水平错切。


下图各点的x坐标保持不变,但其y坐标则按比例发生了平移。这种情况叫垂直错切。

 

假定一个点经过错切变换后得到,对于水平错切而言,应该有如下关系:


用矩阵表示就是:


扩展到3 x 3的矩阵就是下面这样的形式:

 

同理,对于垂直错切,可以有:


在数学上严格的错切变换就是上面这样的。在Android中除了有上面说到的情况外,还可以同时进行水平、垂直错切,那么形式上就是:


 

五、 对称变换

除了上面讲到的4中基本变换外,事实上,我们还可以利用Matrix,进行对称变换。所谓对称变换,就是经过变化后的图像和原图像是关于某个对称轴是对称的。比如,某点 经过对称变换后得到,

如果对称轴是x轴,难么,


用矩阵表示就是:


如果对称轴是y轴,那么,


用矩阵表示就是:


如果对称轴是y = x,如图:


那么,


很容易可以解得:


用矩阵表示就是:


同样的道理,如果对称轴是y = -x,那么用矩阵表示就是:

 

特殊地,如果对称轴是y = kx,如下图:


那么,


很容易可解得:


用矩阵表示就是:


当k = 0时,即y = 0,也就是对称轴为x轴的情况;当k趋于无穷大时,即x = 0,也就是对称轴为y轴的情况;当k =1时,即y = x,也就是对称轴为y = x的情况;当k = -1时,即y = -x,也就是对称轴为y = -x的情况。不难验证,这和我们前面说到的4中具体情况是相吻合的。

 

如果对称轴是y = kx + b这样的情况,只需要在上面的基础上增加两次平移变换即可,即先将坐标原点移动到(0, b),然后做上面的关于y = kx的对称变换,再然后将坐标原点移回到原来的坐标原点即可。用矩阵表示大致是这样的:


需要特别注意:在实际编程中,我们知道屏幕的y坐标的正向和数学中y坐标的正向刚好是相反的,所以在数学上y = x和屏幕上的y = -x才是真正的同一个东西,反之亦然。也就是说,如果要使图片在屏幕上看起来像按照数学意义上y = x对称,那么需使用这种转换:


要使图片在屏幕上看起来像按照数学意义上y = -x对称,那么需使用这种转换:
 

关于对称轴为y = kx 或y = kx + b的情况,同样需要考虑这方面的问题。

 

 

第二部分 代码验证

在第一部分中讲到的各种图像变换的验证代码如下,一共列出了10种情况。如果要验证其中的某一种情况,只需将相应的代码反注释即可。试验中用到的图片:


其尺寸为162 x 251。

 

每种变换的结果,请见代码之后的说明。

<span style="font-size:13px;"></span><pre name="code" class="java">package com.pat.testtransformmatrix;

import android.app.Activity;
import android.content.Context;
import android.graphics.Bitmap;
import android.graphics.BitmapFactory;
import android.graphics.Canvas;
import android.graphics.Matrix;
import android.os.Bundle;
import android.util.Log;
import android.view.MotionEvent;
import android.view.View;
import android.view.Window;
import android.view.WindowManager;
import android.view.View.OnTouchListener;
import android.widget.ImageView;

public class TestTransformMatrixActivity extends Activity
implements
OnTouchListener
{
	private TransformMatrixView view;
    @Override
    public void onCreate(Bundle savedInstanceState)
    {
        super.onCreate(savedInstanceState);
        requestWindowFeature(Window.FEATURE_NO_TITLE);
        this.getWindow().setFlags(WindowManager.LayoutParams.FLAG_FULLSCREEN, WindowManager.LayoutParams.FLAG_FULLSCREEN);

        view = new TransformMatrixView(this);
        view.setScaleType(ImageView.ScaleType.MATRIX);
        view.setOnTouchListener(this);
        
        setContentView(view);
    }
    
    class TransformMatrixView extends ImageView
    {
    	private Bitmap bitmap;
    	private Matrix matrix;
		public TransformMatrixView(Context context)
		{
			super(context);
			bitmap = BitmapFactory.decodeResource(getResources(), R.drawable.sophie);
			matrix = new Matrix();
		}

		@Override
		protected void onDraw(Canvas canvas)
		{
			// 画出原图像
			canvas.drawBitmap(bitmap, 0, 0, null);
			// 画出变换后的图像
			canvas.drawBitmap(bitmap, matrix, null);
			super.onDraw(canvas);
		}

		@Override
		public void setImageMatrix(Matrix matrix)
		{
			this.matrix.set(matrix);
			super.setImageMatrix(matrix);
		}
		
		public Bitmap getImageBitmap()
		{
			return bitmap;
		}
    }

	public boolean onTouch(View v, MotionEvent e)
	{
		if(e.getAction() == MotionEvent.ACTION_UP)
		{
			Matrix matrix = new Matrix();
			// 输出图像的宽度和高度(162 x 251)
			Log.e("TestTransformMatrixActivity", "image size: width x height = " +  view.getImageBitmap().getWidth() + " x " + view.getImageBitmap().getHeight());
			// 1. 平移
			matrix.postTranslate(view.getImageBitmap().getWidth(), view.getImageBitmap().getHeight());
			// 在x方向平移view.getImageBitmap().getWidth(),在y轴方向view.getImageBitmap().getHeight()
			view.setImageMatrix(matrix);
			
			// 下面的代码是为了查看matrix中的元素
			float[] matrixValues = new float[9];
			matrix.getValues(matrixValues);
			for(int i = 0; i < 3; ++i)
			{
				String temp = new String();
				for(int j = 0; j < 3; ++j)
				{
					temp += matrixValues[3 * i + j ] + "\t";
				}
				Log.e("TestTransformMatrixActivity", temp);
			}
			

//			// 2. 旋转(围绕图像的中心点)
//			matrix.setRotate(45f, view.getImageBitmap().getWidth() / 2f, view.getImageBitmap().getHeight() / 2f);
//			
//			// 做下面的平移变换,纯粹是为了让变换后的图像和原图像不重叠
//			matrix.postTranslate(view.getImageBitmap().getWidth() * 1.5f, 0f);
//			view.setImageMatrix(matrix);
//
//			// 下面的代码是为了查看matrix中的元素
//			float[] matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = new String();
//				for(int j = 0; j < 3; ++j)
//				{
//					temp += matrixValues[3 * i + j ] + "\t";
//				}
//				Log.e("TestTransformMatrixActivity", temp);
//			}
			
			
//			// 3. 旋转(围绕坐标原点) + 平移(效果同2)
//			matrix.setRotate(45f);
//			matrix.preTranslate(-1f * view.getImageBitmap().getWidth() / 2f, -1f * view.getImageBitmap().getHeight() / 2f);
//			matrix.postTranslate((float)view.getImageBitmap().getWidth() / 2f, (float)view.getImageBitmap().getHeight() / 2f);
//			
//			// 做下面的平移变换,纯粹是为了让变换后的图像和原图像不重叠
//			matrix.postTranslate((float)view.getImageBitmap().getWidth() * 1.5f, 0f);
//			view.setImageMatrix(matrix);
//			
//			// 下面的代码是为了查看matrix中的元素
//			float[] matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = new String();
//				for(int j = 0; j < 3; ++j)
//				{
//					temp += matrixValues[3 * i + j ] + "\t";
//				}
//				Log.e("TestTransformMatrixActivity", temp);
//			}			
			
//			// 4. 缩放
//			matrix.setScale(2f, 2f);
//			// 下面的代码是为了查看matrix中的元素
//			float[] matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = new String();
//				for(int j = 0; j < 3; ++j)
//				{
//					temp += matrixValues[3 * i + j ] + "\t";
//				}
//				Log.e("TestTransformMatrixActivity", temp);
//			}
//			
//			// 做下面的平移变换,纯粹是为了让变换后的图像和原图像不重叠
//			matrix.postTranslate(view.getImageBitmap().getWidth(), view.getImageBitmap().getHeight());
//			view.setImageMatrix(matrix);
//			
//			// 下面的代码是为了查看matrix中的元素
//			matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = new String();
//				for(int j = 0; j < 3; ++j)
//				{
//					temp += matrixValues[3 * i + j ] + "\t";
//				}
//				Log.e("TestTransformMatrixActivity", temp);
//			}

			
//			// 5. 错切 - 水平
//			matrix.setSkew(0.5f, 0f);
//			// 下面的代码是为了查看matrix中的元素
//			float[] matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = new String();
//				for(int j = 0; j < 3; ++j)
//				{
//					temp += matrixValues[3 * i + j ] + "\t";
//				}
//				Log.e("TestTransformMatrixActivity", temp);
//			}
//			
//			// 做下面的平移变换,纯粹是为了让变换后的图像和原图像不重叠			
//			matrix.postTranslate(view.getImageBitmap().getWidth(), 0f);
//			view.setImageMatrix(matrix);
//			
//			// 下面的代码是为了查看matrix中的元素
//			matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = new String();
//				for(int j = 0; j < 3; ++j)
//				{
//					temp += matrixValues[3 * i + j ] + "\t";
//				}
//				Log.e("TestTransformMatrixActivity", temp);
//			}
			
//			// 6. 错切 - 垂直
//			matrix.setSkew(0f, 0.5f);
//			// 下面的代码是为了查看matrix中的元素
//			float[] matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = new String();
//				for(int j = 0; j < 3; ++j)
//				{
//					temp += matrixValues[3 * i + j ] + "\t";
//				}
//				Log.e("TestTransformMatrixActivity", temp);
//			}
//			
//			// 做下面的平移变换,纯粹是为了让变换后的图像和原图像不重叠				
//			matrix.postTranslate(0f, view.getImageBitmap().getHeight());
//			view.setImageMatrix(matrix);
//			
//			// 下面的代码是为了查看matrix中的元素
//			matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = new String();
//				for(int j = 0; j < 3; ++j)
//				{
//					temp += matrixValues[3 * i + j ] + "\t";
//				}
//				Log.e("TestTransformMatrixActivity", temp);
//			}			
			
//			7. 错切 - 水平 + 垂直
//			matrix.setSkew(0.5f, 0.5f);
//			// 下面的代码是为了查看matrix中的元素
//			float[] matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = new String();
//				for(int j = 0; j < 3; ++j)
//				{
//					temp += matrixValues[3 * i + j ] + "\t";
//				}
//				Log.e("TestTransformMatrixActivity", temp);
//			}
//			
//			// 做下面的平移变换,纯粹是为了让变换后的图像和原图像不重叠				
//			matrix.postTranslate(0f, view.getImageBitmap().getHeight());
//			view.setImageMatrix(matrix);
//			
//			// 下面的代码是为了查看matrix中的元素
//			matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = new String();
//				for(int j = 0; j < 3; ++j)
//				{
//					temp += matrixValues[3 * i + j ] + "\t";
//				}
//				Log.e("TestTransformMatrixActivity", temp);
//			}
			
//			// 8. 对称 (水平对称)
//			float matrix_values[] = {1f, 0f, 0f, 0f, -1f, 0f, 0f, 0f, 1f};
//			matrix.setValues(matrix_values);
//			// 下面的代码是为了查看matrix中的元素
//			float[] matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = new String();
//				for(int j = 0; j < 3; ++j)
//				{
//					temp += matrixValues[3 * i + j ] + "\t";
//				}
//				Log.e("TestTransformMatrixActivity", temp);
//			}
//			
//			// 做下面的平移变换,纯粹是为了让变换后的图像和原图像不重叠	
//			matrix.postTranslate(0f, view.getImageBitmap().getHeight() * 2f);
//			view.setImageMatrix(matrix);
//			
//			// 下面的代码是为了查看matrix中的元素
//			matrixValues = new float[9];
//			matrix.getValues(matrixValues);
//			for(int i = 0; i < 3; ++i)
//			{
//				String temp = n
Android中矩阵Matrix实现平移,旋转,缩放和翻转的用法详细介绍 在进行矩阵乘法时,需要按照一定的规则进行计算,即左边矩阵的第一行的元素分别与右边矩阵的第一列的元素相乘,然后求和得到相乘矩阵的第一行的第一个元素。同样地,左边矩阵的第一行的元素分别与右边矩阵的第二列的元素相乘,求和得到相乘矩阵的第一行的第二个元素,以此类推。需要注意的是,在进行矩阵运算时,需要遵循一定的运算规则,如先进行括号内的运算,然后进行加、减、乘等运算,最后进行除法运算。可以看到,结果跟上面不同,并且这也不是我们想要的结果,这里缩放没有更改,但是平移被减半了,换句话说,平移的距离也被缩放了。 阅读详情

相关推荐

Cache的Lru算法实现原理

age_matrix表示保存了年龄信息的矩阵Elem_i表示是年龄矩阵的元素i年龄矩阵是记录了每个元素的年龄大小关系,假设有m个元素,序号从0开始计算第i行记录的是Elem_i是否比元素更老,第i列记录的是否比元素Elem_i更老如下图展示了年龄矩阵每一个bit表示的含义我们使用age(i)表示元素i的年龄(Elem_i),age(i)越大表示越oldage_matrix[i][j]保存的表达式是:i的年龄是否比j的年龄old,可以简写为:如下图所示:需要注意的。

qq_50795185的博客 995

Android中图像变换Matrix的原理、代码验证和应用(二)

第二部分 代码验证 在第一部分中讲到的各种图像变换的验证代码如下,一共列出了10种情况。如果要验证其中的某一种情况,只需将相应的代码反注释即可。试验中用到的图片: 其尺寸为162 x 251。   每种变换的结果,请见代码之后的说明。 package com.pat.testtransformmatrix; import android.app.Activity; import

玄机逸士的专栏 1万+

Android中图像变换Matrix的原理、代码验证和应用(三)

第三部分 应用 在这一部分,我们会将前面两部分所了解到的内容和Android手势结合起来,利用各种不同的手势对图像进行平移、缩放和旋转,前面两项都是在实践中经常需要用到的功能,后一项据说苹果也是最近才加上的,而实际上在Android中,咱们通过自己的双手,也可以很轻松地实现之。   首先创建一个Android项目PatImageView,同时创建一个Activity:PatImageView

玄机逸士的专栏 7865

【最全】ISTQB- FL模拟题(含答案)

汇总收集的所有ISTQB基础级考题和答案

maoxuexue的博客 1万+

卡尔曼滤波原理详解及系统模型建立(simulink)

卡尔曼滤波原理详解及系统模型建立(simulink) 卡尔曼滤波器 卡尔曼滤波器是在上个世界五六十年代的时候提出的,到今天已经有六十年左右的时间,但卡尔曼滤波算法不管在控制、制导、导航或者通讯方面对数据的预测能力依然处在一个不可撼动的位置上,但是很多人对于其算法内部的工作原理究竟是怎么运作的依然不理解,所以在工程上很多人都只是把卡尔曼滤波当成是一种“黑箱”预测算法,并不清楚内部原理。但实际上没有任...

weixin_43942325的博客 7万+

机器视觉学习(七)—— 卷积、边缘和滤波器

卷积运算、垂直边缘与水平边缘、滤波器

歆歆~黯了 2740

QT C++ AI棉花智能变量灌溉工上位机(信创完整版)

北斗履带灌溉机器人/田间分区电磁阀基站 → 多层土壤温湿度/盐分EC传感器实时采集墒情 → 双目AI视觉扫描棉田长势、病苗分布 → AI融合**生育期+土壤墒情+盐分+棉株长势**计算变量灌溉定额、水肥配比、灌溉时长 → 分区电磁阀/变频水泵变量供水,病弱苗地块减量、干旱地块增量;墒情、盐分、长势多因子闭环修正灌水量;多层土壤含水率(0–10/20–40/40–80cm)、土壤EC盐分、土壤温度、空气温湿度、蒸发量、北斗地块坐标、管道水压、水肥罐液位、分区流量计、水泵电机负载、滴灌带压力反馈。

寒寒豆豆软件公司的博客 184

3、神经网络在汽车中的应用

本文探讨了神经网络在现代汽车中的多种应用,包括防抱死制动系统(ABS)、燃油喷射系统、自动驾驶辅助系统以及发动机故障诊断。通过详细分析这些系统的具体工作流程和神经网络的集成方式,展示了神经网络如何提升车辆的安全性、效率与智能化水平。

moss5的博客 233

【局部规划模块轨迹优化算法】Teb_planner规划算法

认知有限,望大家多多包涵,有什么问题也希望能够与大家多交流,共同成长!本文先对****做个简单的介绍,具体内容后续再更,其他模块可以参考去我其他文章提示:以下是本篇文章正文内容由于ROS中的局部路径规划器比较老了,所以我推荐大家使用比较新的局部路径规划器teb_local_planner。teb_local_planner是基于弹性时间带碰撞约束的算法,算法将动态障碍物、运行时效、路径平滑性等约束做综合考虑,在复杂环境下有更优秀的表现。

qq_35635374的博客 951

医疗影像分割 | 使用MedSAM训练自己的医学图像分割数据集

摘要 本文详细介绍了使用MedSAM模型训练自定义医学图像数据集的完整流程。主要内容包括:代码下载与环境配置(创建虚拟环境、安装依赖、验证CUDA)、数据集准备(目录结构、格式要求、命名规范及检查工具)、预训练模型下载(不同模型选择建议),以及训练脚本修改(解决文件名匹配、Windows系统NCCL支持、单GPU训练等常见问题)。通过逐步指导,帮助用户快速搭建MedSAM训练环境并适配自己的医学图像数据,实现高效的分割模型训练。

LiRongLu_的博客 488

LOFIC / 全局快门在移动端的可行性:曝光容限、读出噪声与算力预算

手机端引入 LOFIC 与全局快门的核心权衡在于:在有限像素面积与功耗下,如何换取更高的动态范围与运动场景鲁棒性。LOFIC 通过侧向溢流到积分电容扩大满井并保持较高转换增益,全局快门在帧内一次性采样消除行时序伪影,但需付出像素填充率、读出噪声与片上存储功耗的代价。本文以工程可实操为目标,给出像素与读出链的简化模型、曝光损益测算、数据率与带宽估算、端到端算力与热预算方法,配套寄存器配置流程、帧内/帧间切换策略与验证清单,帮助在真实移动 SoC 与 ISP 约束下完成可行性评估与原型落地。

努力分享一些人工智能、计算机视觉、影像等相关的知识干货! 1139

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

上一篇: Video三种播放方式
下一篇: 简单的图片处理
biandroid
博客等级 码龄15年 3粉丝 132原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值