[OpenCV] cv.remap() 重映射学习笔记/map1 map2易混点

学习remap的时候发现map1和map2的参数跟我的直观理解略有差别，在次记录一下。

一、背景

把一幅图像内的像素点放置到另外一幅图像内的指定位置，这个过程称为重映射。OpenCV 提供了多种重映射方式，但是我们有时会希望使用自定义的方式来完成重映射。OpenCV 内的重映射函数 cv2.remap（）提供了更方便、更自由的映射方式，其语法格式如下：dst=cv2.remap（src,map1,map2,interpolation[,borderMode[,borderValue]]）式中：
● dst 代表目标图像，它和 src 具有相同的大小和类型。
● src 代表原始图像。
● map1 参数有两种可能的值：
1 表示（x,y）点的一个映射。
2 表示 CV_16SC2 ，CV_32FC1的 x 值。
● map2 参数有两种可能的值：
1 空。
2 表示 CV_16SC2 ，CV_32FC1的y 值。
● Interpolation 代表插值方式，这里不支持 INTER_AREA 方法。具体值参见表 5-1。
● borderMode 代表边界模式。当该值为 BORDER_TRANSPARENT 时，表示目标图像内的对应源图像内奇异点（outliers）的像素不会被修改。
● borderValue 代表边界值，该值默认为 0。

5.5.1映射参数的理解
重映射通过修改像素点的位置得到一幅新图像。在构建新图像时，需要确定新图像中每.
个像素点在原始图像中的位置。因此，映射函数的作用是查找新图像像素在原始图像内的位
置。该过程是将新图像像素映射到原始图像的过程，因此被称为反向映射。在函数
cv2.remap()中，参数map1和参数map2用来说明反向映射，map1针对的是坐标x,
map2针对的是坐标y。
需要说明的是，map1和map2的值都是浮点数。因此，目标图像可以映射回一个非整
数的值，这意味着目标图像可以「反向映射」到原始图像中两个像素点之间的位置(当 然，
该位置是不存在像素值的)。这时，可以采用不同的方法实现插值，函数中的interpolation 参
数可以控制插值方式。正是由于参数map1和参数map2的值是浮点数，所以通过函数
cv2.remamp () 所能实现的映射关系变得更加随意，可以通过自定义映射参数实现不同形式
的映射。

以上内容摘自《OpenCV轻松入门》

阅读完这一段，我从直觉上认为mapx应该控制x，mapy应该控制y。

试了一下

import numpy as np
import cv2 as cv

img = np.random.randint(0, 256, size=[4, 5], dtype=np.uint8)
rows, cols = img.shape[0:2]
mapx = np.ones(img.shape, np.float32) * 3;
mapy = np.ones(img.shape, np.float32) * 0;
rst = cv.remap(img, mapx, mapy, cv.INTER_LINEAR)

运行结果：

从结果上看，是mapx控制了y，mapy控制了x？

二、Notes

照例，先阅读官方文档

阅读官方文档是会有收获的：Due to current implementation limitations the size of an input and output images should be less than 32767x32767.

由于当前方案的限制，remap最大只支持32767*32767.

阅读了官方文档仍然没有得到答案，
又去翻了翻代码；
突然一拍脑袋，
这x=1可不就是确定的一列吗？
mapx当然管列号了啊…

矩阵、数组的行列表达方式用惯了，
形成了思维定式，
反思反思

综上，简单来讲：

map1 代表的是在原位置的列号，map2 是行号

（一）更新几个小例子方面理解remap

1. 利用remap 进行 copy

import numpy as np
import cv2 as cv

img = np.random.randint(0, 256, size=[4, 5], dtype=np.uint8)
rows, cols = img.shape[0:2]
mapx=np.array([[i for i in range(5)] for j in range(4)],dtype=np.float32)
mapy=np.array([[j for i in range(5)] for j in range(4)],dtype=np.float32)
rst = cv.remap(img, mapx, mapy, cv.INTER_LINEAR)

效果：


复制成功

2.进行翻转

这里以上下翻转为例

img = np.random.randint(0, 256, size=[4, 5], dtype=np.uint8)
rows, cols = img.shape[0:2]
mapx=np.array([[i for i in range(5)] for j in range(4)],dtype=np.float32)
mapy=np.array([[j for i in range(5)] for j in range(3,-1,-1)],dtype=np.float32)
rst = cv.remap(img, mapx, mapy, cv.INTER_LINEAR)

做了这两个小练习，我已经好了，你呢~（手动滑稽