转:opencv 坐标系变换 logPolar()和linearPolar()

转载:https://blog.csdn.net/zhubaohua_bupt/article/details/83932171

logPolar是把数据从笛卡尔转到对数极坐标系,linearPolar把数据从笛卡尔坐标系转到极坐标坐标系。

说到笛卡尔坐标系到极坐标系的转换,大家并不陌生,公式如下:


image.png
image.png

笛卡尔转到对数极坐标系的转换多了一层对数,可表示如下

image.png

这里log以自然数e为底。

接下来,首先分析一下logPolar和linearPolar输入输出参数的含义以及用法,然后给出一些实验结果。

1 logPolar()

image

这里把imgproc.hpp里的函数接口粘了过来,从接口说明里我们可以看到,

输入输出图像类型尺寸一致,输入参数还包括center():转换中心,M: scale 参数和flags(变换后图像插值方法)

logPolar()是这样做的转换:


I = (dx,dy) = (x - center.x,y - center.y) \\
\rho = M \cdot log_e(\texttt{magnitude} (I)) ,\\
\phi = Ky \cdot \texttt{angle} (I)_{0..360 deg} \\

M = src.cols / log_e(maxRadius) \\
Ky = src.rows / 360 \\

上述说明中,除了基本的变换公式外,M和Ky这两个参数需要注意一下,这两个参数决定着变换后半径[图片上传失败...(image-ca21af-1604301036485)]

和角度[图片上传失败...(image-c1d07e-1604301036485)]

的尺度,也就是说,在变换后的极坐标图像上,x、y方向上单位像素与半径[图片上传失败...(image-bb889a-1604301036485)]

和角度[图片上传失败...(image-33dad6-1604301036485)]

的关系。

  • M决定输出图像x轴([图片上传失败...(image-cbe3ef-1604301036484)]

    )的尺度,Ky决定y轴([图片上传失败...(image-dc4d21-1604301036484)]

    )的尺度。

  • 注意到,函数没有让我们手动设置Ky的值,Ky =src.rows / 360已经写死,这样的话,输出极坐标图像y轴从y=0到yy=row-1的范围表示角度从0到360度的变化。

参数M没有写死,我们可以通过接口改变,那M = src.cols / log_e(maxRadius), 代表什么意思呢, maxRadius是什么呢?

`回过头来看笛卡尔向极坐标的变换,现在把输入图像看作是一个二维笛卡尔坐标系,如下图我们可以自己设定center,假设center为图像中心,那么maxRadius=[图片上传失败...(image-85e64c-1604301036484)]

,那么我们就可以看出,此时乘M的作用就是在输出图像的x轴上,將log(`[图片上传失败...(image-9479bd-1604301036485)]

)从x=0拉伸到x=col-1。

![image](https://upload-images.jianshu.io/upload_images/4688503-dce4d2219e4dbbc4?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

image

                  笛卡尔坐标系图输入图像                                         对数极坐标系下图像

2 linearPolar()

image

linearPolar和logPolar类似,比logPolar简单些,其变换如下图。

image
image
      笛卡尔坐标系图输入图像                                                        极坐标系下图像

3实验

下面来看几个比较特殊的实验,为了方便,用python实现:

def polar(img):
  h, w = img.shape[:2]
  maxRadius = math.hypot(w/2,h/2)
  m = w / math.log(maxRadius)
  log_polar = cv2.logPolar(img, (w/2, h/2), m, cv2.WARP_FILL_OUTLIERS + cv2.INTER_LINEAR) 
  linear_polar = cv2.linearPolar(img, (w/2, h/2), maxRadius, cv2.WARP_FILL_OUTLIERS + cv2.INTER_LINEAR) 
  cv2.imshow("log_polar",log_polar)
  cv2.imshow("linear_polar",linear_polar)
  cv2.waitKey(1000)

第一组: logPolar()

image
image
image
                     src                                   m = `src.cols / log_e(maxRadius)` /2        m = `src.cols /log_e(maxRadius)`

第二组:

image
          ![image](https://upload-images.jianshu.io/upload_images/4688503-ffa8c87293bfa9ce?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
image
                                                                                        logPolar()                                                      linearPolar()

         src                                                  m = `src.cols /log_e(maxRadius)`                                   `maxRadius`    

第三组:

image
    ![image](https://upload-images.jianshu.io/upload_images/4688503-54b63a5058210a71?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

         ![image](https://upload-images.jianshu.io/upload_images/4688503-a8d0689816fe805f?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

                                                                            logPolar()                                                      linearPolar()

                src                                    m = `src.cols /log_e(maxRadius)`                              `maxRadius`
  • 可以想一下在这几个例子中,变换后最右侧的尖儿为什有的能连延伸到最右侧,有的不能。
  • 从笛卡尔坐标系来看,这三组的src貌似形状很完美,但经过转换后可以看出后两组的瑕疵了,如果后两组也是完美对称的,那么在极坐标系下,第二组纵向应该是笔直的,第三组横行应该是平行的。

你可能感兴趣的:(转:opencv 坐标系变换 logPolar()和linearPolar())