OpenCV几何图像变换(11)极坐标转换函数warpPolar()的使用

2024-08-26 16:44

本文主要是介绍OpenCV几何图像变换(11)极坐标转换函数warpPolar()的使用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

函数将图像重映射到极坐标或半对数极坐标空间。

极坐标重映射参考
用以下转换来转换源图像:

d s t ( ρ , ϕ ) = s r c ( x , y ) dst(\rho , \phi ) = src(x,y) dst(ρ,ϕ)=src(x,y)
其中
I ⃗ = ( x − c e n t e r . x , y − c e n t e r . y ) ϕ = K a n g l e ⋅ angle ( I ⃗ ) ρ = { K l i n ⋅ magnitude ( I ⃗ ) 默认 K l o g ⋅ l o g e ( magnitude ( I ⃗ ) ) i f 半对数 \begin{array}{l} \vec{I} = (x - center.x, \;y - center.y) \\ \phi = Kangle \cdot \texttt{angle} (\vec{I}) \\ \rho = \left\{\begin{matrix} Klin \cdot \texttt{magnitude} (\vec{I}) & 默认 \\ Klog \cdot log_e(\texttt{magnitude} (\vec{I})) & if \; 半对数 \\ \end{matrix}\right. \end{array} I =(xcenter.x,ycenter.y)ϕ=Kangleangle(I )ρ={Klinmagnitude(I )Klogloge(magnitude(I ))默认if半对数
并且
K a n g l e = d s i z e . h e i g h t / 2 Π K l i n = d s i z e . w i d t h / m a x R a d i u s K l o g = d s i z e . w i d t h / l o g e ( m a x R a d i u s ) \begin{array}{l} Kangle = dsize.height / 2\Pi \\ Klin = dsize.width / maxRadius \\ Klog = dsize.width / log_e(maxRadius) \\ \end{array} Kangle=dsize.height/2ΠKlin=dsize.width/maxRadiusKlog=dsize.width/loge(maxRadius)

线性与半对数映射
极坐标映射可以是线性的或半对数的。向标志中添加一个 WarpPolarMode 来指定极坐标映射模式。
线性是默认模式。
半对数映射模拟人类“中央视觉”的特性,即视线中心的视觉敏锐度非常高,而周边视觉的敏锐度较低。

关于 dsize 的选项:

  • 如果 dsize 中的两个值都小于等于 0(默认),目标图像将具有(几乎)与源图像包围圆相同大小的面积:
    d s i z e . a r e a ← ( m a x R a d i u s 2 ⋅ Π ) d s i z e . w i d t h = cvRound ( m a x R a d i u s ) d s i z e . h e i g h t = cvRound ( m a x R a d i u s ⋅ Π ) \begin{array}{l} dsize.area \leftarrow (maxRadius^2 \cdot \Pi) \\ dsize.width = \texttt{cvRound}(maxRadius) \\ dsize.height = \texttt{cvRound}(maxRadius \cdot \Pi) \\ \end{array} dsize.area(maxRadius2Π)dsize.width=cvRound(maxRadius)dsize.height=cvRound(maxRadiusΠ)
  • 如果仅 dsize.height 小于等于 0,目标图像面积将与包围圆面积成比例,但按 Kx * Kx 缩放:
    d s i z e . h e i g h t = cvRound ( d s i z e . w i d t h ⋅ Π ) \begin{array}{l} dsize.height = \texttt{cvRound}(dsize.width \cdot \Pi) \\ \end{array} dsize.height=cvRound(dsize.widthΠ)
  • 如果 dsize 中的两个值都大于 0,目标图像将具有给定的大小,因此包围圆的面积将被缩放到 dsize 大小。

反向映射:
你可以通过向标志中添加 WARP_INVERSE_MAP 来获得反向映射。

 // direct transformwarpPolar(src, lin_polar_img, Size(),center, maxRadius, flags);                     // linear PolarwarpPolar(src, log_polar_img, Size(),center, maxRadius, flags + WARP_POLAR_LOG);    // semilog Polar// inverse transformwarpPolar(lin_polar_img, recovered_lin_polar_img, src.size(), center, maxRadius, flags + WARP_INVERSE_MAP);warpPolar(log_polar_img, recovered_log_polar, src.size(), center, maxRadius, flags + WARP_POLAR_LOG + WARP_INVERSE_MAP);

另外,要从极坐标映射坐标 (rho, phi) 计算原始坐标 (x, y):

   double angleRad, magnitude;double Kangle = dst.rows / CV_2PI;angleRad = phi / Kangle;if (flags & WARP_POLAR_LOG){double Klog = dst.cols / std::log(maxRadius);magnitude = std::exp(rho / Klog);}else{double Klin = dst.cols / maxRadius;magnitude = rho / Klin;}int x = cvRound(center.x + magnitude * cos(angleRad));int y = cvRound(center.y + magnitude * sin(angleRad));

在OpenCV中,warpPolar函数用于将图像从笛卡尔坐标系转换到极坐标系或从极坐标系转换回笛卡尔坐标系。这种变换对于进行圆形图像处理非常有用,例如检测圆环状特征或进行图像的径向滤波。

函数原型

void cv::warpPolar	
(InputArray 	src,OutputArray 	dst,Size 	dsize,Point2f 	center,double 	maxRadius,int 	flags 
)		

参数

  • 参数src 源图像。
  • 参数dst 目标图像。它将具有与 src 相同的类型。
  • 参数 dsize 目标图像的大小(参见描述中的有效选项)。
  • 参数center 转换的中心点。
  • 参数maxRadius 包围圆的半径来进行转换。它还确定了逆向的幅度比例参数。
  • flags: 插值方法的组合,InterpolationFlags + WarpPolarMode。
    • 添加 WARP_POLAR_LINEAR 来选择线性极坐标映射(默认)
    • 添加 WARP_POLAR_LOG 来选择半对数极坐标映射
    • 添加 WARP_INVERSE_MAP 来进行反向映射

注意事项
该函数不能原地操作。
为了计算幅度和角度(以度为单位),内部使用 cartToPolar 函数,因此角度范围是从 0 到 360 度,精度约为 0.3 度。
此函数使用 remap。由于当前实现的限制,输入和输出图像的大小应该小于 32767x32767。

代码示例


#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>using namespace cv;int main( int argc, char** argv )
{// 读取图像Mat image = imread( "/media/dingxin/data/study/OpenCV/sources/images/circle2.jpg", IMREAD_GRAYSCALE );if ( image.empty() ){std::cerr << "Error: Could not open or find the image." << std::endl;return -1;}// 设置极坐标变换的中心点Point2f center( image.cols / 2.0, image.rows / 2.0 );// 设置最大半径double maxRadius = std::min( image.cols, image.rows ) / 2.0;// 设置输出图像的大小Size dsize( 360, maxRadius );  // 360度,半径为最大半径// 创建输出图像Mat polarImage;// 应用极坐标变换warpPolar( image, polarImage, dsize, center, maxRadius, WARP_POLAR_LINEAR + INTER_LINEAR);// 显示结果namedWindow( "Original Image", WINDOW_NORMAL );imshow( "Original Image", image );namedWindow( "Polar Image", WINDOW_NORMAL );imshow( "Polar Image", polarImage );waitKey( 0 );return 0;
}

运行结果

在这里插入图片描述

这篇关于OpenCV几何图像变换(11)极坐标转换函数warpPolar()的使用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1109114

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

hdu1171(母函数或多重背包)

题意:把物品分成两份,使得价值最接近 可以用背包,或者是母函数来解,母函数(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v) 其中指数为价值,每一项的数目为(该物品数+1)个 代码如下: #include<iostream>#include<algorithm>

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

uva 10387 Billiard(简单几何)

题意是一个球从矩形的中点出发,告诉你小球与矩形两条边的碰撞次数与小球回到原点的时间,求小球出发时的角度和小球的速度。 简单的几何问题,小球每与竖边碰撞一次,向右扩展一个相同的矩形;每与横边碰撞一次,向上扩展一个相同的矩形。 可以发现,扩展矩形的路径和在当前矩形中的每一段路径相同,当小球回到出发点时,一条直线的路径刚好经过最后一个扩展矩形的中心点。 最后扩展的路径和横边竖边恰好组成一个直