OpenCV 几何变换-图像镜像

图像镜像是图像基本的几何变换之一,实现起来也很简单,先贴上源码:

#include <opencv/highgui.h>  
#include <time.h>  
#include <opencv2/opencv.hpp>  
#include <opencv/cv.h>  
#include <iostream> 

using namespace std;  
using namespace cv; 

int main()
{
    Mat SrcImage = imread("1.jpg",0);
    imshow("原图",SrcImage);
    Mat dst;    
    dst.create( SrcImage.size(), SrcImage.type());    
    Mat map_x;    
    Mat map_y;    
    map_x.create( SrcImage.size(), CV_32FC1);    
    map_y.create( SrcImage.size(), CV_32FC1);    
    for( int i = 0; i < SrcImage.rows; i++)    
    {    
        for( int j = 0; j < SrcImage.cols; j++)    
        {    
            //map_x.at<float>(i, j) = (float) (SrcImage.cols - j-1) ;    
            //map_y.at<float>(i, j) = (float) i ;  //水平  
            map_x.at<float>(i, j) = (float) j ;    
            map_y.at<float>(i, j) = (float) (SrcImage.rows - i-1) ;  //垂直  
        }    
    }    
        remap(SrcImage, dst, map_x, map_y, CV_INTER_LINEAR);    
        imshow("镜像图", dst); 
        waitKey(0);
        return 0;
}

图像镜像功能主要用到OpenCV中的remap()函数,其原型如下:

CV_EXPORTS_W void remap( 
InputArray src, 
OutputArray dst,
InputArray map1, 
InputArray map2,
int interpolation, 
int borderMode=BORDER_CONSTANT,
const Scalar& borderValue=Scalar());

其功能为根据map1和map2两个矩阵,对输入图像src做出重映射,并将映射结果以dst输出。所以参数就很直观了: 第一个参数:输入图像 第二个参数:输出图像 第三个参数:输入图像中各像素点的坐标映射到目标图像的哪个x(列) 第四个参数:输入图像中各像素点的坐标映射到目标图像的哪个x(行) 第五个参数:图像插值方式,可以参考:常用插值方法 第六个参数:边界模式,有默认值BORDER_CONSTANT。 第七个参数:const Scalar&类型的borderValue,当有常数边界时使用的值,其有默认值Scalar( ),即默认值为0。

所以,到底实现怎样的镜像或者是重映射就是由map1和map2两个矩阵决定的了,我们回到上面的代码中具体看下如何实现:

for( int i = 0; i < SrcImage.rows; i++)    
    {    
        for( int j = 0; j < SrcImage.cols; j++)    
        {    
            //map_x.at<float>(i, j) = (float) (SrcImage.cols - j-1) ;    
            //map_y.at<float>(i, j) = (float) i ;  //水平  
            map_x.at<float>(i, j) = (float) j ;    
            map_y.at<float>(i, j) = (float) (SrcImage.rows - i-1) ;  //垂直  
        }    
    }    

矩阵的赋值就是在这里实现的: 假设原图像为6*3的尺寸,当遍历到i=0,j=0时,及 map_x.at(0, 0) = 0 map_y.at(0, 0) = 3-0-1=2 也就是说,原图像的 (0, 0) 会被映射到目标图像的(0, 2),同理: map_x.at(0, 2) = 0 map_y.at(0, 2) = 3-2-1=0 原图像的 (0, 2) 会被映射到目标图像的(0,0),所以实现了垂直镜像。特别要注意的一点是:OpenCV中图像的行列式标号是从0开始的,所以,要(SrcImage.rows - i-1),不然镜像后的图像会有黑边的。

注意:其实还有一点不知道大家留意到没有,我们只用了单通道,并没有用image.at<Vec3b>(i,j)[0] 这样的写法,为什么可以镜像彩色图呢? 因为map_x和map_y矩阵中放的根本就不是像素的灰度,而是映射前后的位置。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI派

Pandas可视化详解 | 轻松玩转Pandas(12)

数据分析的结果不仅仅只是你来看的,更多的时候是给需求方或者老板来看的,为了更直观地看出结果,数据可视化是必不可少的一个环节。这里带大家来看下一些常用的图形的画法...

942
来自专栏ATYUN订阅号

Python中4种更快速,更轻松的数据可视化方法(含代码)

数据可视化是任何数据科学或机器学习项目的重要组成部分。我们通常会从探索性数据分析(EDA)开始,以获得对数据的一些见解,然后创建可视化,这确实有助于使事情更清晰...

140
来自专栏null的专栏

社团划分——有向图的Label Propagation算法

在博文社区划分——Label Propagation中,介绍了Label Propagation社区划分算法的基本原理,基本的Label Propagation...

3093
来自专栏我有一个梦想

Python 项目实践二(生成数据)第二篇

接着上节继续学习,在本节中,我们将使用Python来生成随机漫步数据,再使用matplotlib以引人瞩目的方式将这些数据呈现出来。随机漫步是这样行走得到的路径...

1827
来自专栏书山有路勤为径

Creating a Filter, Edge Detection

Below, you've been given one common type of edge detection filter: a Sobel opera...

681
来自专栏AIUAI

Caffe2 - (二十七) Detectron 之 modeling - detector

4948
来自专栏机器学习、深度学习

人群场景的属性--Deeply Learned Attributes for Crowded Scene Understandin

Deeply Learned Attributes for Crowded Scene Understanding CVPR2015 http://www...

1958
来自专栏数据小魔方

R语言可视化——折线图、平滑曲线及路径图

今天跟大家讲关于路径图、平滑曲线与折线图及其美化。 这里涉及到三个设计线条的特殊图层函数: geom_smooth()、geom_path()、geom_li...

36910
来自专栏人工智能

人工智能之头像识别

图像识别是人工智能的一个重要方面,下面通过一个简单列子进行练习: 随着圣诞的到来,大家纷纷@官方微信给自己的头像加上一顶圣诞帽。当然这种事情用很多P图软件都可以...

21210
来自专栏大数据挖掘DT机器学习

【OCR技术】大批量构造中文文字训练集

放假了,终于可以继续可以静下心写一写OCR方面的东西。上次谈到文字的切割,今天打算总结一下我们怎么得到用于训练的文字数据集。如果是想训练一个手写体识别的模型,用...

7564

扫码关注云+社区