本文最后更新于:2024年1月14日 晚上

OpenCV 的 remap 函数用于计算原始矩阵的差值版本,当需要将多次映射时需要多次使用 remap 函数,本文记录将多次 remap 合并的方法。

背景

考虑对图像做畸变校正的背景应用,对于一幅带有畸变的图像 $I$,使用 OpenCV 的传统畸变校正流程后得到了畸变过程在 $X, Y$ 方向上的两个畸变校正映射矩阵 $map_x, map_y$;

但是可能这个畸变校正的结果仍然没有达到精度要求,需要在此基础上建立更加复杂的模型并求解,之后会得到在第一次映射图像基础上的第二次畸变校正映射矩阵 $map_x’, map_y’$;

那么此时的畸变校正流程为:
$$
D(I) = map’(map(I))
$$
但是又不想畸变校正两次,于是需要将两次映射合并成一个等效 $map^e$
$$
D(I) = map’(map(I))=map^e(I)
$$

实现思路

remap 函数中 $X,Y$ 是解耦的,也就是 $X$ 一个矩阵,$Y$ 一个矩阵,于是在求解 $map^e$ 时也同样可以分成 $X,Y$ 两个独立的维度;

考虑 $map_x$,其中记录的是新图像每个整数点位置对应原始图像的 $X$ 方向坐标,大多数情况是浮点数,那么 $map_x’$ 做的事情就是在 $map_x$ 的浮点坐标之间进行进一步插值,那么事实上直接用 $map_x’, map_y’$ remap $map_x$,得到的结果就是 $map^e_x$,同理可以求得 $map^e_y$;

Python 实现

示例代码:

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
import mtutils as mt
import cv2


if __name__ == '__main__':
map_x = cv2.imread('map_x.tiff', cv2.IMREAD_UNCHANGED)
map_y = cv2.imread('map_y.tiff', cv2.IMREAD_UNCHANGED)

map_x_opencv = cv2.imread('map_x_opencv.tiff', cv2.IMREAD_UNCHANGED)
map_y_opencv = cv2.imread('map_y_opencv.tiff', cv2.IMREAD_UNCHANGED)

# 生成等效 map
new_map_x = cv2.remap(map_x_opencv, map_x, map_y, cv2.INTER_LINEAR)
new_map_y = cv2.remap(map_y_opencv, map_x, map_y, cv2.INTER_LINEAR)

mt.cv_rgb_imwrite(new_map_x, 'merge_map_x.tiff')
mt.cv_rgb_imwrite(new_map_y, 'merge_map_y.tiff')

img = mt.cv_rgb_imread('test.png', 1)

frame1 = cv2.remap(img, new_map_x, new_map_y, cv2.INTER_LINEAR)

frame2 = cv2.remap(img.astype('float32'), map_x_opencv, map_y_opencv, cv2.INTER_LINEAR)
frame2 = cv2.remap(frame2, map_x, map_y, cv2.INTER_LINEAR)
frame2 = frame2.astype('uint8')

pass

需要注意的是,我在用这个方法生成等效 $map$ 时,得到的 frame1frame2 并不完全相同,在很多地方存在微小差异,但是经过评估,直接叠加得到的等效 $map$ 的性能更好。



文章链接:
https://www.zywvvd.com/notes/study/image-processing/opencv/double-remap/double-remap/


“觉得不错的话,给点打赏吧 ୧(๑•̀⌄•́๑)૭”

微信二维码

微信支付

支付宝二维码

支付宝支付

OpenCV 叠加应用 remap
https://www.zywvvd.com/notes/study/image-processing/opencv/double-remap/double-remap/
作者
Yiwei Zhang
发布于
2023年4月10日
许可协议