python - 使用 OpenCV 重映射功能裁剪图像

Question

我正在尝试通过 OpenCV 重映射函数(在 python 2.7 中)扭曲 640x360 图像。执行的步骤如下

1. 生成一条曲线并将其 x 和 y 坐标存储在两个单独的数组 curve_x 和 curve_y 中。我将生成的曲线附加为图像(使用 pyplot):

2. 通过opencv imread函数加载图片

   original = cv2.imread('C:\\Users\\User\\Desktop\\alaskan-landscaps3.jpg')
   

3. 执行一个嵌套的 for 循环，使每个像素在该点与曲线的高度成比例向上移动。对于每个像素，我通过除以曲线的 y 坐标和“ceiling"(360) 通过图像的高度。然后将该因子乘以像素的 y 坐标和“天花板”之间的距离，以便找到像素必须与“天花板”之间的新距离(由于我们向上移动，它会更短)。最后，我从“天花板”中减去这个新距离以获得像素的新 y 坐标。我想到这个公式是为了确保 remap 函数中使用的 map_y 数组中的所有条目都在原始图像的区域内。

   for i in range(0, y_size):
       for j in range(0,x_size):
           map_y[i][j]= y_size-((y_size - i) *  ((y_size - curve_y[j]) / y_size))
           map_x[i][j]=j`
   

4. 然后使用remap函数

   warped=cv2.remap(original,map_x,map_y,cv2.INTER_LINEAR)
   

生成的图像似乎沿着曲线的路径有些扭曲，但它被裁剪了 - 我附上了原始图像和生成的图像

我知道我一定遗漏了一些东西，但我无法弄清楚我的代码中的错误在哪里 - 我不明白为什么因为 map_y 中的所有 y 坐标都在 0-360 之间，图像的前三分之一有重新映射后消失

任何指点或帮助将不胜感激。谢谢

[编辑:]我已经按如下方式编辑了我的函数:

#array to store previous y-coordinate, used as a counter during mapping process
floor_y=np.zeros((x_size),np.float32)
#for each row and column of picture
for i in range(0, y_size):
    for j in range(0,x_size): 
        #calculate distance between top of the curve at given x coordinate and top
        height_above_curve = (y_size-1) - curve_y_points[j]
        #calculated a mapping factor, using total height of picture and distance above curve
        mapping_factor = (y_size-1)/height_above_curve
        # if there was no curve at given x-coordinate then do not change the pixel coordinate
        if(curve_y_points[j]==0):
            map_y[i][j]=j
        #if this is the first time the column is traversed, save the curve y-coordinate
        elif (floor_y[j]==0):
            #the pixel is translated upwards according to the height of the curve at that point
            floor_y[j]=i+curve_y_points[j]
            map_y[i][j]=i+curve_y_points[j] # new coordinate saved
        # use a modulo operation to only translate each nth pixel where n is the mapping factor. 
        # the idea is that in order to fit all pixels from the original picture into a new smaller space
        #(because the curve squashes the picture upwards) a number of pixels must be removed 
        elif  ((math.floor(i % mapping_factor))==0):
            #increment the "floor" counter so that the next group of pixels from the original image 
            #are mapped 1 pixel higher up than the previous group in the new picture
            floor_y[j]=floor_y[j]+1
            map_y[i][j]=floor_y[j]
        else:
            #for pixels that must be skipped map them all to the last  pixel actually translated to the new image 
            map_y[i][j]=floor_y[j]
        #all x-coordinates remain unchanges as we only translate pixels upwards
        map_x[i][j] = j
#printout function to test mappings at x=383
for j in range(0, 360):
    print('At x=383,y='+str(j)+'for curve_y_points[383]='+str(curve_y_points[383])+' and floor_y[383]='+str(floor_y[383])+'  mapping is:'+str(map_y[j][383]))

底线是现在图像的较高部分不应接收来自最低部分的映射，因此不应发生像素覆盖。然而，我仍然在图片中得到一种我无法解释的非常夸张的向上翘曲效果。 (见下面的新图片)。在原始图片中，弯曲部分的顶部在 y=140 左右，但现在非常接近顶部，即 y 大约 300。还有一个问题是为什么我没有得到空白位于曲线下方像素的底部。

我在想，也许 map_y 数组中行和列的顺序也有问题？

Answer 1

我认为图像没有被裁剪。相反，这些值“拥挤”在顶部中间的像素中，因此它们会被覆盖。考虑以下在棋盘上使用简单函数的示例。

import numpy as np
import cv2
import pickle

y_size=200
x_size=200

x=np.linspace(0,x_size,x_size+1)
y=(-(x-x_size/2)*(x-x_size/2))/x_size+x_size
plt.plot(x,y)

函数如下所示:

然后让我们生成一个具有规则图案的图像。

test=np.zeros((x_size,y_size),dtype=np.float32)

for i in range(0, y_size):
    for j in range(0,x_size):
        if i%2 and j%2:
            test[i][j]=255
cv2.imwrite('checker.png',test)

现在让我们将 shift 函数应用于该模式:

map_y=np.zeros((x_size,y_size),dtype=np.float32)
map_x=np.zeros((x_size,y_size),dtype=np.float32)

for i in range(0, y_size):
    for j in range(0,x_size):
        map_y[i][j]= y_size-((y_size - i) *  ((y_size - y[j]) / y_size))
        map_x[i][j]=j

warped=cv2.remap(test,map_x,map_y,cv2.INTER_LINEAR)

cv2.imwrite('warped.png',warped)

如果您注意到，由于偏移，不止一个值对应于顶部中间区域，这使得它看起来像是被裁剪了。但是，如果您检查图像的左上角和右上角，请注意值比较稀疏，因此“裁剪”效果不会发生太多。我希望这个简单的示例有助于更好地理解正在发生的事情。