个人免费网站创建wordpress分类指定页面

个人免费网站创建,wordpress分类指定页面,商品推广软文范例100字,wordpress百度分享按钮美化重映射#xff08;Remapping#xff09;是一种灵活的几何变换#xff0c;核心是通过自定义坐标映射关系#xff0c;将输入图像的像素按指定规则映射到输出图像的对应位置。与仿射变换、透视变换不同#xff0c;重映射无需遵循固定的数学模型#xff08;如线性变换、透视矩…重映射Remapping是一种灵活的几何变换核心是通过自定义坐标映射关系将输入图像的像素按指定规则映射到输出图像的对应位置。与仿射变换、透视变换不同重映射无需遵循固定的数学模型如线性变换、透视矩阵可通过任意自定义函数定义映射规则实现拉伸、扭曲、镜像、鱼眼效果等复杂变换广泛用于图像变形、特效制作、图像校正等场景。一、核心原理1. 重映射的本质对于输入图像src中的每个像素(x, y)重映射通过两个映射矩阵map_x和map_y定义其在输出图像dst中的新坐标(map_x[y][x], map_y[y][x])即map_x输出图像每个位置(x, y)对应的输入图像x 坐标形状与输入图像一致map_y输出图像每个位置(x, y)对应的输入图像y 坐标形状与输入图像一致若映射坐标超出输入图像范围可通过边界填充策略处理如填充黑色、复制边界像素。2. 映射矩阵的构建逻辑映射矩阵map_x和map_y是重映射的核心需根据目标变换效果自定义基础变换如镜像、旋转可通过数学公式直接计算映射坐标复杂变换如鱼眼、波浪可通过三角函数、随机函数或外部数据定义映射关系映射矩阵的数据类型必须为np.float32OpenCV 要求。3. OpenCV 重映射核心函数OpenCV 通过cv2.remap()函数实现重映射函数原型如下cv2.remap(src, map1, map2, interpolation, dstNone, borderModeNone, borderValueNone)参数说明参数含义注意事项src输入图像单通道 / 多通道均可灰度图 / 彩色图map1映射矩阵 1x 坐标映射或联合映射若为 x 坐标映射需与map2配合若为联合映射如极坐标→笛卡尔坐标map2为标志位map2映射矩阵 2y 坐标映射或标志位与map1对应常规重映射中为 y 坐标映射interpolation插值算法默认cv2.INTER_LINEAR常用INTER_CUBIC高质量、INTER_NEAREST快速borderMode边界填充模式默认cv2.BORDER_CONSTANT常数填充可选BORDER_REPLICATE复制边界等borderValue边界填充值仅borderModeBORDER_CONSTANT有效默认黑色0彩色图用(b,g,r)格式关键说明常规重映射场景中map1map_xx 坐标映射map2map_yy 坐标映射插值算法用于处理映射坐标为非整数的情况如浮点数坐标需根据效果和速度选择。二、完整实现代码多种场景1. 基础场景实现常见简单变换通过自定义映射矩阵实现镜像、旋转、缩放等基础变换验证重映射的灵活性import cv2 import numpy as np import matplotlib.pyplot as plt # 1. 读取图像 img cv2.imread(lena.jpg) if img is None: print(无法读取图像请检查路径) exit() h, w img.shape[:2] img_rgb cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 2. 生成映射矩阵初始化与图像同尺寸的float32矩阵 map_x np.zeros((h, w), dtypenp.float32) map_y np.zeros((h, w), dtypenp.float32) # 3. 定义不同映射规则按需注释/取消注释 ## 规则1水平镜像左右翻转等价于 cv2.flip(img, 1) for y in range(h): for x in range(w): map_x[y][x] w - 1 - x # x坐标反转 map_y[y][x] y # y坐标不变 ## 规则2垂直镜像上下翻转等价于 cv2.flip(img, 0) # for y in range(h): # for x in range(w): # map_x[y][x] x # map_y[y][x] h - 1 - y ## 规则3缩放缩小为原图1/2居中显示 # scale 0.5 # new_w, new_h int(w*scale), int(h*scale) # map_x np.zeros((h, w), dtypenp.float32) # map_y np.zeros((h, w), dtypenp.float32) # for y in range(h): # for x in range(w): # map_x[y][x] (x - w//2) * scale w//2 # x方向缩放后居中 # map_y[y][x] (y - h//2) * scale h//2 # y方向缩放后居中 ## 规则490度旋转顺时针等价于 cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE) # map_x np.zeros((h, w), dtypenp.float32) # map_y np.zeros((h, w), dtypenp.float32) # for y in range(h): # for x in range(w): # map_x[y][x] y # map_y[y][x] w - 1 - x # 4. 应用重映射 img_remap cv2.remap( img, map_x, map_y, interpolationcv2.INTER_LINEAR, borderValue(255, 255, 255) # 边界白色填充 ) img_remap_rgb cv2.cvtColor(img_remap, cv2.COLOR_BGR2RGB) # 5. 显示结果 plt.figure(figsize(12, 6)) plt.subplot(1, 2, 1) plt.imshow(img_rgb) plt.title(Original Image) plt.axis(off) plt.subplot(1, 2, 2) plt.imshow(img_remap_rgb) plt.title(Remapped Image (Horizontal Mirror)) plt.axis(off) plt.tight_layout() plt.show()2. 创意场景实现复杂特效鱼眼、波浪、扭曲通过三角函数或随机函数定义映射规则实现创意图像特效import cv2 import numpy as np import matplotlib.pyplot as plt # 1. 读取图像 img cv2.imread(lena.jpg) h, w img.shape[:2] img_rgb cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 2. 初始化映射矩阵 map_x np.zeros((h, w), dtypenp.float32) map_y np.zeros((h, w), dtypenp.float32) # 3. 定义特效映射规则按需选择 ## 特效1鱼眼效果中心放大边缘缩小 cx, cy w//2, h//2 # 图像中心 max_radius min(cx, cy) # 最大半径避免超出图像 for y in range(h): for x in range(w): # 计算当前点到中心的距离和角度 dx x - cx dy y - cy radius np.sqrt(dx**2 dy**2) angle np.arctan2(dy, dx) # 鱼眼畸变距离中心越远缩放比例越大非线性缩放 distorted_radius radius ** 0.8 # 指数越小畸变越明显 if distorted_radius max_radius: distorted_radius max_radius # 计算映射后的坐标 map_x[y][x] cx distorted_radius * np.cos(angle) map_y[y][x] cy distorted_radius * np.sin(angle) ## 特效2波浪效果水平方向正弦扭曲 # amplitude 10 # 波浪振幅扭曲程度 # frequency 20 # 波浪频率密集程度 # for y in range(h): # for x in range(w): # map_x[y][x] x amplitude * np.sin(y / frequency) # x随y正弦变化 # map_y[y][x] y ## 特效3随机扭曲模拟抖动效果 # np.random.seed(42) # 固定随机种子保证结果可复现 # distortion 5 # 最大扭曲幅度 # for y in range(h): # for x in range(w): # map_x[y][x] x np.random.randint(-distortion, distortion1) # map_y[y][x] y np.random.randint(-distortion, distortion1) # 4. 应用重映射高质量插值 img_remap cv2.remap( img, map_x, map_y, interpolationcv2.INTER_CUBIC, # 复杂特效用双三次插值减少锯齿 borderValue(255, 255, 255) ) img_remap_rgb cv2.cvtColor(img_remap, cv2.COLOR_BGR2RGB) # 5. 显示结果 plt.figure(figsize(12, 6)) plt.subplot(1, 2, 1) plt.imshow(img_rgb) plt.title(Original Image) plt.axis(off) plt.subplot(1, 2, 2) plt.imshow(img_remap_rgb) plt.title(Fisheye Effect (Remapping)) plt.axis(off) plt.tight_layout() plt.show()3. 实用场景图像畸变校正基于标定数据重映射的核心实用场景之一是镜头畸变校正通过相机标定获得畸变参数后生成校正映射矩阵还原无畸变图像。import cv2 import numpy as np import matplotlib.pyplot as plt def undistort_image(img, K, D): 基于相机标定参数的畸变校正重映射实现 :param img: 畸变图像 :param K: 相机内参矩阵3×3 :param D: 畸变系数1×5[k1,k2,p1,p2,k3] :return: 校正后的无畸变图像 h, w img.shape[:2] # 1. 生成无畸变的理想坐标x,y new_camera_matrix, roi cv2.getOptimalNewCameraMatrix(K, D, (w, h), 1, (w, h)) # 2. 计算畸变→无畸变的映射矩阵map_x, map_y map_x, map_y cv2.initUndistortRectifyMap( K, D, None, new_camera_matrix, (w, h), cv2.CV_32FC1 ) # 3. 应用重映射 undistorted_img cv2.remap( img, map_x, map_y, interpolationcv2.INTER_CUBIC, borderValue(255, 255, 255) ) # 裁剪无效区域roi为有效区域坐标 x, y, w_roi, h_roi roi undistorted_img undistorted_img[y:yh_roi, x:xw_roi] return undistorted_img # 1. 模拟相机标定参数实际使用时需通过标定获得 K np.array([[500, 0, w//2], # 内参矩阵fx500, fy500, cxw/2, cyh/2 [0, 500, h//2], [0, 0, 1]], dtypenp.float32) D np.array([[-0.2, 0.1, 0.001, 0.002, -0.05]], dtypenp.float32) # 畸变系数k1,k2,p1,p2,k3 # 2. 读取畸变图像或用普通图像模拟畸变 img_distorted cv2.imread(distorted.jpg) if img_distorted is None: # 若无可畸变图像用普通图像模拟畸变可选 img cv2.imread(lena.jpg) h, w img.shape[:2] # 生成畸变映射矩阵模拟径向畸变 map_x, map_y cv2.initUndistortRectifyMap(K, D, None, K, (w, h), cv2.CV_32FC1) img_distorted cv2.remap(img, map_x, map_y, cv2.INTER_LINEAR) img_distorted_rgb cv2.cvtColor(img_distorted, cv2.COLOR_BGR2RGB) # 3. 畸变校正 img_undistorted undistort_image(img_distorted, K, D) img_undistorted_rgb cv2.cvtColor(img_undistorted, cv2.COLOR_BGR2RGB) # 4. 显示结果 plt.figure(figsize(15, 8)) plt.subplot(1, 2, 1) plt.imshow(img_distorted_rgb) plt.title(Distorted Image) plt.axis(off) plt.subplot(1, 2, 2) plt.imshow(img_undistorted_rgb) plt.title(Undistorted Image (Remapping)) plt.axis(off) plt.tight_layout() plt.show() # 保存校正后的图像 cv2.imwrite(undistorted.jpg, img_undistorted) print(畸变校正完成已保存为 undistorted.jpg)三、关键说明与应用场景1. 重映射的核心优势灵活性极高无需遵循固定数学模型可通过任意自定义规则实现变换精准控制逐像素定义映射关系可实现仿射 / 透视变换无法完成的复杂效果与标定结合是相机畸变校正的核心实现方式广泛用于计算机视觉系统。2. 典型应用场景图像特效制作鱼眼、波浪、扭曲、抖动等创意效果如游戏、影视后期相机畸变校正去除镜头径向畸变、切向畸变还原真实场景如自动驾驶、机器人视觉自定义几何变换实现仿射 / 透视变换无法覆盖的非线性变换如不规则物体变形校正图像配准多视角图像配准时通过重映射统一像素坐标。3. 与其他几何变换的区别变换类型核心特点适用场景重映射自定义逐像素映射无固定模型复杂特效、畸变校正、自定义变形仿射变换保持平行性2×3 矩阵3 个点确定平移、旋转、缩放、倾斜、简单校正透视变换不保持平行性3×3 矩阵4 个点确定透视矫正、视角变换四、注意事项映射矩阵数据类型map_x和map_y必须是np.float32类型否则cv2.remap()会报错坐标有效性若映射坐标超出输入图像范围需通过borderMode和borderValue处理边界如复制边界或填充固定颜色插值算法选择简单变换如镜像用cv2.INTER_LINEAR速度快复杂特效如鱼眼用cv2.INTER_CUBIC高质量减少锯齿实时场景用cv2.INTER_NEAREST最快牺牲少量质量性能优化避免双重循环大规模图像可通过numpy向量运算替代for循环如map_x w - 1 - np.arange(w)[np.newaxis, :]提升效率预计算映射矩阵若需重复应用同一变换可预计算map_x和map_y避免重复计算相机标定参数畸变校正时K内参矩阵和D畸变系数需通过相机标定获得如cv2.calibrateCamera()模拟参数仅用于演示。重映射是 OpenCV 中最灵活的几何变换方式核心是掌握映射矩阵的构建逻辑。无论是创意特效还是实用的畸变校正只要能定义像素的映射关系就能通过cv2.remap()实现。在实际应用中需平衡灵活性与性能通过向量运算优化大规模图像的处理速度。