数字图像仿射变换

        仿射变换也称仿射投影,是指几何中,对一个向量空间进行线性变换并接上一个平移,变换为另一个向量空间。所以,仿射变换其实也就是将两个向量空间的进行变换。

        仿射变换主要包括:平移,旋转,缩放,倾斜。

设有一个向量空间k k=(x,y),还有一个向量 j j=(x’,y'),如果想从向量k转换到j 则:j=k*w+b

上式可以拆分为: x’=x*w00+y*w01+b0

                           Y’=x*w10+y*w11+b1

转换成矩阵示意图

        要进行仿射变换,必须先获取变换矩阵。要获取变换矩阵,必须先获取特征点坐标、角度等信息,几何匹配和blob是获取特征点的高效方法,除此之外还有其它方法,只要能稳定的求出特延点即可。

 

仿射变换流程

(1)获取特征点坐标、角度

(2)计算仿射变换矩阵

(3)对图像、区域、轮廓进行仿射变换

根据特征点、角度计算仿射变换矩阵

        hom_mat2d_identity(:HomMat2Dldentity)

                功能:产生仿射变换单位矩阵

        hom_mat2d translate(::HomMat2D.Tx,Ty:HomMat2DTranslate)

                功能:把平移添加到防射变换矩阵

                HomMat2D:(输入参数)仿射变换矩阵

                TX(输入参数):沿x轴方向平移的距离

                Ty:输入参数):沿y轴方向平移的距离

                HomMat2 DTranslate(输出参数):输出变换矩阵

                                                   

        hom_mat2d_rotate(::HomMat2D,Phi,Px.Py:HomMat2DRotate)

                功能:把旋转角度添加到仿射变换矩阵

                HomMat2D:(输入参数)仿射变换矩阵

                Phi(输入参数):旋转角度(单位弧度)

                Px(输入参数):变换的固定点行坐标。固定点是指以该点为支撑进行仿射变换(这里是指围绕这点进行旋转)

                Py:(输入参数)变换的固定点列坐标

                HomMat2 DRotate:(输出参数)输出变换矩阵

        hom_mat2d_scale(::HomMat2D,Sx,Sy,Px,Py:HomMat2DScale)

                功能:把缩放添加到仿射变换矩阵

                HomMat2D(输入参数):仿射变换矩阵

                Sx(输入参数):x轴方向的缩放因子

                Sy(输入参数):y轴方向的缩放因子

                PX(输入参数):变换的固定点行坐标

                Py(输入参数):变换的固定点列坐标

                HomMat2 DScale(输出参数):输出变换矩阵

        hom mat2d slant(::HomMat2D,Theta,Axis,Px,Py:HomMat2DSlant)

                功能:把斜切添加到防射变换矩阵

                HomMat2D(输入参数:仿射变换矩阵

                Theta(输入参数):斜切角度(单位:弧度)

                Axs(输入参数):斜切的坐标轴。取值列表:X,Y

                Px(输入参数):变换的固定点x坐标

                Py(输入参数):变换的固定点y坐标

                HomMat2 DSlant(输出参数):输出仿射变换矩阵

以上就是halcon中常用的仿射变换算子及其解释

### 数字图像处理中的仿射变换 #### 仿射变换概念 仿射变换是一种二维坐标到二维坐标的线性变换,其保持了平行直线和平行线段的比例不变。这种变换可以通过一系列基本操作来描述,比如旋转、平移、缩放以及错切等[^2]。 #### 实现方法 在 Python 中利用 OpenCV 库能够方便地执行仿射变换。具体来说,`cv2.warpAffine()` 函数用于实施该类转换,它接收三个主要参数:输入图片数组、表示所需变化的 \(2 \times 3\) 的浮点型矩阵 M 和输出图像尺寸 (宽, 高)[^3]。 下面是一个简单的例子展示如何通过 `cv2.getRotationMatrix2D()` 获取旋转变换所需的变换矩阵并应用于一张给定的照片上: ```python import cv2 import numpy as np # 加载原图 img = cv2.imread('example.jpg') height, width = img.shape[:2] # 定义中心点、角度和比例因子构建旋转矩阵 rotation_matrix = cv2.getRotationMatrix2D((width/2,height/2), 45, 1) # 执行仿射变换 rotated_img = cv2.warpAffine(img, rotation_matrix, (width, height)) # 显示结果 cv2.imshow('Rotated Image', rotated_img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 此代码片段实现了对指定路径下名为 'example.jpg' 文件所代表的一张照片顺时针方向上的45度角旋转效果。 #### 应用场景 仿射变换广泛存在于各种实际项目里,尤其是在计算机视觉领域内扮演着重要角色。例如,在车牌识别系统中,为了提高字符分割与匹配精度,通常会先采用仿射变换技术校正拍摄过程中产生的倾斜现象;另外,在医学影像分析方面也可以见到它的身影——帮助医生更清晰直观地观察器官结构特征。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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