【OpenCV 例程300篇】249. 图像的重映射（cv2.remap）

『youcans 的 OpenCV 例程300篇 - 总目录』

【youcans 的 OpenCV 例程 300篇】249. 图像的重映射（cv.remap）

重映射是指从一个图像中的位置获取像素，将其重新映射，定位到目标图像的指定位置。

重映射可以实现图像的变形、扭曲、反转等操作，实现图像数据的增强，提升深度模型的泛化能力。

与前面介绍的仿射变换、透视变换函数和方法相比，重映射可以按用户设定的变换函数对图像的像素位置进行变换。既可以实现翻转、变形、扭曲等操作，也可以自定义变换函数。

重映射经常应用于视频图像的重建。映射函数是动态变化的，而且往往是由复杂算法实时计算得到的，视频播放或动态显示窗口实时调用重映射函数，就可以动态加载目标的位置和形状。这种场景用仿射变换实现就会很困难，而用重映射函数处理则非常方便。

像素的整数坐标进行函数映射后，映射的输出值可能不是整数，就需要进行插值运算。

OpenCV 提供了函数 cv2.remap 用于实现图像的重映射。

函数 cv2.remap 按照以下映射公式进行变换：

$$dst(x,y)=src(ma{p}_x(x,y),ma{p}_y(x,y))$$

也就是说，mapx 表示原图像中的列号，mapy 表示原图像中的行号。输出图像中像素点 (x,y) 的像素值，等于原图像中点 (mapx,mapy) 的像素值。

函数说明：

cv.remap(src, map1, map2, interpolation[, dst=None, borderMode=BORDER_CONSTANT, borderValue=Scalar()]) → dst
1

参数说明：

• src：输入图像
• dst：输出图像，大小与 map1 相同，类型与输入图像 src 相同
• map1：浮点数，对像素 (x,y) 的映射，或仅对 x 值的映射，数据类型为 CV_16SC2 , CV_32FC1 或 CV_32FC2
• map2： 浮点数，y 值的映射
• interpolation：插值方法
  • cv.INTER_NEAREST：最近邻插值方法
  • cv.INTER_LINEAR：双线性插值方法
  • cv.INTER_CUBIC：双三次样条插值方法
  • cv.INTER_LANCZOS4：8*8 邻域上的 Lanczos 插值
  • cv.INTER_MAX：mask for interpolation codes
  • cv.WARP_FILL_OUTLIERS：标志，填充所有目标图像像素
  • cv.WARP_INVERSE_MAP：标志，逆变换
• borderMode：边界扩展类型
• borderValue： 当边界扩展模式为 BORDER_CONSTANT 时，以常数填充边界，默认值为 0

注意事项：

1. 重映射目标图像中像素的位置变换，像素值不变。
2. map1 可以是对 (x,y) 的映射，此时 map2 为空；map1 也可以是只对 x 值的映射，此时 map2 为对 y 值的映射。

A.47： 图像重映射实现仿射变换

    # # A.47 图像重映射实现仿射变换
    # img = cv2.imread("../images/keyboard01.png", 1)  # 读取图像
    img = cv2.imread("../images/sign04.png", 1)  # 读取图像
    height, width = img.shape[:2]  # (540, 400)

    mapx = np.array([[i for i in range(width)] for j in range(height)], dtype=np.float32)
    mapy = np.array([[j for i in range(width)] for j in range(height)], dtype=np.float32)
    dst1 = cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)  # 复制

    mapx = np.array([[i*1.5 for i in range(width)] for j in range(height)], dtype=np.float32)
    mapy = np.array([[j*1.5 for i in range(width)] for j in range(height)], dtype=np.float32)
    dst2 = cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)  # 尺寸缩放

    mapx = np.array([[i for i in range(width)] for j in range(height)], dtype=np.float32)  # 行不变
    mapy = np.array([[j for i in range(width)] for j in range(height-1, -1, -1)], dtype=np.float32)
    dst3 = cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)  # 上下翻转，x 不变 y 翻转

    mapx = np.array([[i for i in range(width-1, -1, -1)] for j in range(height)], dtype=np.float32)
    mapy = np.array([[j for i in range(width)] for j in range(height)], dtype=np.float32)
    dst4 = cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)  # 左右翻转，x 翻转 y 不变

    mapx = np.array([[i for i in range(width-1, -1, -1)] for j in range(height)], dtype=np.float32)
    mapy = np.array([[j for i in range(width)] for j in range(height-1, -1, -1)], dtype=np.float32)
    dst5 = cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)  # 水平和垂直翻转，x 翻转 y 翻转

    print(img.shape, mapx.shape, mapy.shape, dst1.shape)
    plt.figure(figsize=(9,6))
    plt.subplot(231), plt.title("origin"), plt.axis('off')
    plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    plt.subplot(232), plt.title("copy"), plt.axis('off')
    plt.imshow(cv2.cvtColor(dst1, cv2.COLOR_BGR2RGB))
    plt.subplot(233), plt.title("resize"), plt.axis('off')
    plt.imshow(cv2.cvtColor(dst2, cv2.COLOR_BGR2RGB))
    plt.subplot(234), plt.title("flip vertical"), plt.axis('off')
    plt.imshow(cv2.cvtColor(dst3, cv2.COLOR_BGR2RGB))
    plt.subplot(235), plt.title("flip horizontal"), plt.axis('off')
    plt.imshow(cv2.cvtColor(dst4, cv2.COLOR_BGR2RGB))
    plt.subplot(236), plt.title("flip horizontal"), plt.axis('off')
    plt.imshow(cv2.cvtColor(dst5, cv2.COLOR_BGR2RGB))
    plt.tight_layout()
    plt.show()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

【本节完】

版权声明：
youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/127573293)
Copyright 2022 youcans, XUPT
Crated：2022-10-28