OpenCV实验（6）：图像变形

实验要求：

实验思路：
1.从输出图像开始运算，按照公式计算即可。或参考其他文章
https://blog.csdn.net/qq_38137411/article/details/83213297
2.本实验代码中不包含任何循环，通过尽可能使用numpy加速使时间从4.6s下降到约0.076s。建议是根据代码弄清楚各个numpy矩阵的含义和形式，方便理解。

实验效果：

实验代码：

import numpy as np
import cv2 as cvdef anamorphic(imgSrc):"""根据实验要求的公式实现图像变形为了尽可能的减少运行时间，所有的循环和各种运算都尽可能地使用了Numpy，因此在该函数中不包含任何循环，时间从4.6s优化到了0.076s:param imgSrc: 输入图像:return: imgDst time 变形后的图像 时间"""timeBegin = cv.getTickCount()  # 记录开始时间rows, cols, channels = imgSrc.shapecoordinateDst = np.zeros([rows, cols, 2])  # 储存输出图像中心归一化坐标coordinateSrc = np.zeros([rows, cols, 2])  # 储存输入图像中心归一化坐标coordinateFinal = np.zeros([rows, cols, 2])  # 储存输入图像的原坐标# 输出图像中心归一化coordinateDst[:, :, 1] = np.arange(cols)coordinateDst[:, :, 0] = np.arange(rows).reshape(-1, 1)coordinateDst = (coordinateDst - 0.5 * np.array([rows, cols])) / (0.5 * np.array([rows, cols]))# 实现映射r = np.sqrt(np.sum(coordinateDst ** 2, axis=2))  # 计算所有的rtheta = (1 - r) ** 2  # 计算所有的thetacoordinateSrc[:, :, 0] = np.cos(theta) * coordinateDst[:, :, 0] - np.sin(theta) * coordinateDst[:, :, 1]coordinateSrc[:, :, 1] = np.sin(theta) * coordinateDst[:, :, 0] + np.cos(theta) * coordinateDst[:, :, 1]# 计算r的掩码，此时的r的值只是为0和1r = np.expand_dims(r, 2).repeat(2, axis=2)  # 先复制并扩充一个维度r[r < 1] = -1r[r >= 1] = 0r[r == -1] = 1coordinateFinal += np.multiply(r, coordinateSrc)  # 对应于 f^-1 中的“otherwise”# 下面三句交换0 和 1r[r == 1] = -1r[r == 0] = 1r[r == -1] = 0coordinateFinal += np.multiply(r, coordinateDst)  # 对应于 f^-1 中的“if r >= 1”coordinateFinal = (coordinateFinal + 1) * np.array([0.5*rows, 0.5*cols])coordinateFinal = coordinateFinal.astype(np.int)  # 不能为np.uint8，可以试一试x = np.arange(rows).repeat(cols)  # x 为 [0, 0, 0, ..., 2, 2, 2, ..., rows-1]y = np.tile(np.arange(cols), rows)  # y 为 [0, 1, 2, ..., cols-1, 0, 1, 2, ...cols-1, ...]# imgDst为输出图像imgDst = imgSrc[coordinateFinal[x, y, 0], coordinateFinal[x, y, 1], :].reshape(rows, cols, channels)timeEnd = cv.getTickCount()  # 记录结束时间time = (timeEnd - timeBegin) / cv.getTickFrequency()  # 计算总时间return imgDst, time  # 0.076 simgSrc = cv.imread('../images/images3_2/lab2.png')
imgDst, time = anamorphic(imgSrc)
cv.imshow('imgSrc', imgSrc)
cv.imshow('imgDst', imgDst)
print('Successful!!!')
print('time: %.4f s' % time)
cv.waitKey(0)
cv.destroyAllWindows()

OpenCV实验（6）：图像变形相关推荐

opencv mat release thrown_【OpenCV+Python】图像与视频处理入门
图像处理入门之前我们已经讲过了OpenCV在各个平台上安装的方法了,从今天开始,正式进入实战部分.首先我们需要做的就是如何读取图像并显示出来,这是图像处理的最基本的部分. 首先我们来了解几个函数. ...
python下：用 matplotlib.pyplot 显示 Opencv 读取的图像
在涉及图像处理时,我们通常用opencv去读取并处理图像,而用matplotlib去显示图像,因为opencv有很强的图像处理能力,而matplotlib有很强的可视化能力,可以方便的可视化分析实验的 ...
图像控制点形变_基于控制点的图像变形方法的研究与实现
基于控制点的图像变形方法的研究与实现林军 ; 李新华 [期刊名称] <北京电力高等专科学校学报 ( 自然科学版 ) > [年 ( 卷 ), 期] 2011(028)005 [摘要] 根据 ...
2020-2021学年——图像图形编程实践实验4_Canny图像边缘检测
Canny图像边缘检测实验目的了解并掌握使用微分算子进行图像边缘检测的基本原理: 了解Canny边缘检测原理与实现,进一步理解图像锐化的实质. 实验设备 PC机.matlab2018b 实验原理 ...
OpenCV实验（一）：砖块的检测与位姿估计，窗户的检测与位姿估计
本次实验包含两个题目砖块的检测与位姿估计窗户的检测与位姿估计 2019-4-28更新: 针对4类RGB-D数据,已将深度数据和可见光数据进行对齐给出数据读取的代码demo 给出相机的内参信息注 ...
Python，OpenCV中的图像修复——cv2.inpaint()
Python,OpenCV中的图像修复--cv2.inpaint 1. 效果图 2. 原理 3. 源码参考 image inpainting 图像修改这篇博客将介绍如何通过OpenCV中图像修复的 ...
OpenCV 【十二】OpenCV如何扫描图像、利用查找表和计时
目录 OpenCV如何扫描图像.利用查找表和计时 1.函数计算时间测试case 2. Mat图像的存储机理 3. 像素遍历的3--4种方式 4. 实例 OpenCV如何扫描图像.利用查找表和计时如何 ...
解密 | OpenCV加载图像大小是有限制的？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达问题来由最近有人问一个问题,就是它有个大小800MB的图像文件, ...
python使用openCV加载图像、并将BGR格式转换成HSV格式、定义HSV格式中需要分离颜色的掩码(掩模)区间（mask）、并使用mask信息进行颜色分离、BGR格式的图像转化为RGB、并可视化
python使用openCV加载图像.并将BGR格式转换成HSV格式.定义HSV格式中需要分离颜色的掩码(掩模)区间(mask).并使用mask信息进行颜色分离.将BGR格式的图像转化为RGB.可视化 ...

OpenCV实验（6）：图像变形

OpenCV实验（6）：图像变形相关推荐

最新文章

热门文章