图像仿射变换之图像平移 python实现

写文章不易，如果您觉得此文对您有所帮助，请帮忙点赞、评论、收藏，感谢您！

一. 仿射变换介绍：

        请参考：图解图像仿射变换：https://www.cnblogs.com/wojianxin/p/12518393.html

二. 仿射变换 公式：

仿射变换过程，(x,y)表示原图像中的坐标，(x',y')表示目标图像的坐标 ↑

 

---

三. 仿射变换——图像平移 算法：

仿射变换—图像平移算法，其中tx为在横轴上移动的距离，ty为在纵轴上移动的距离 ↑

 

---

四. python实现仿射变换——图像平移

import cv2
import numpy as np

# 图像仿射变换->图像平移 
def affine(img, a, b, c, d, tx, ty):
    H, W, C = img.shape

    # temporary image
    tem = img.copy()
    img = np.zeros((H+2, W+2, C), dtype=np.float32)
    img[1:H+1, 1:W+1] = tem

    # get new image shape
    H_new = np.round(H * d).astype(np.int)
    W_new = np.round(W * a).astype(np.int)
    out = np.zeros((H_new+1, W_new+1, C), dtype=np.float32)

    # get position of new image
    x_new = np.tile(np.arange(W_new), (H_new, 1))
    y_new = np.arange(H_new).repeat(W_new).reshape(H_new, -1)

    # get position of original image by affine
    adbc = a * d - b * c
    x = np.round((d * x_new  - b * y_new) / adbc).astype(np.int) - tx + 1
    y = np.round((-c * x_new + a * y_new) / adbc).astype(np.int) - ty + 1

    # 避免目标图像对应的原图像中的坐标溢出
    x = np.minimum(np.maximum(x, 0), W+1).astype(np.int)
    y = np.minimum(np.maximum(y, 0), H+1).astype(np.int)

    # assgin pixcel to new image
    out[y_new, x_new] = img[y, x]

    out = out[:H_new, :W_new]
    out = out.astype(np.uint8)

    return out


# Read image
image1 = cv2.imread("../paojie.jpg").astype(np.float32)

# Affine : 平移，tx(W向)：向右30；ty(H向)：向上100
out = affine(image1, a=1, b=0, c=0, d=1, tx=30, ty=-100)

# Save result
cv2.imshow("result", out)
cv2.imwrite("out.jpg", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

五. 代码实现过程中遇到的问题：   

　① 原图像进行仿射变换时，原图像中的坐标可能超出了目标图像的边界，需要对原图像坐标进行截断处理。如何做呢？首先，计算目标图像坐标对应的原图像坐标，算法如下：

目标图像坐标反向求解原图像坐标公式 ↑

 

        以下代码实现了该逆变换：

        # get position of original image by affine

        adbc = a * d - b * c

        x = np.round((d * x_new  - b * y_new) / adbc).astype(np.int) - tx + 1

        y = np.round((-c * x_new + a * y_new) / adbc).astype(np.int) - ty + 1

    然后对原图像坐标中溢出的坐标进行截断处理（取边界值），下面代码提供了这个功能：

        x = np.minimum(np.maximum(x, 0), W+1).astype(np.int)

        y = np.minimum(np.maximum(y, 0), H+1).astype(np.int)

        原图像范围：长W，高H

    ② 难点解答：

        x_new = np.tile(np.arange(W_new), (H_new, 1))

        y_new = np.arange(H_new).repeat(W_new).reshape(H_new, -1)

x_new 矩阵横向长 W_new，纵向长H_new ↑

 

 

y_new 矩阵横向长 W_new，纵向长H_new ↑  

 

        造这两个矩阵是为了这一步：    

        # assgin pixcel to new image

        out[y_new, x_new] = img[y, x]

---

六. 实验结果：

原图 ↑

 

仿射变换—图像平移后结果(向右30像素，向上100像素) ↑

 

---

七. 参考内容：

    ①  https://www.jianshu.com/p/1cfb3fac3798

---

八. 版权声明：

    未经作者允许，请勿随意转载抄袭，抄袭情节严重者，作者将考虑追究其法律责任，创作不易，感谢您的理解和配合！