OpenCV 叠加应用 remap

又见苍岚

COLMAP PatchMatch Stereo 算法详解事件驱动的状态机框架：从理论到工程实践 Git 在国内网络环境下无法 Push 的排查与修复 —— 配置 Clash 代理分段五次多项式插值原理详解路径插值方法深度对比研究 Claude Code 使用指南 OpenClaw 记忆管理与技能创建指南 CBS(Conflict-Based Search)算法详解 A* 算法及其变种详解 OpenClaw 配置多 Agents Windows Powershell 无法加载文件，因为在此系统上禁止运行脚本问题的解决方案 MaxClaw 安装流程大模型 AI 名词介绍 AList 网盘聚合工具简介 Protobuf 简介与测试 Claude Code 简介以及 GLM 4.7 模型接入 Github 歌词下载工具 163MusicLyrics Python __getattr__ 懒加载 Python TypedDict 机器人仿真平台 Gazebo 安装记录机器人仿真平台 Gazebo 简介多机器人路径规划问题(Multi-Agent Path Finding, MAPF)简介 Python exifread 读取修改过的 jpeg 信息错误问题修复 3D 坐标系变换的理解 3D 旋转矩阵基本概念 MongoDB Compass 介绍 Python 环境管理工具 uv Flutter 开发指南 Snipaste 安装下载与黑屏问题解决方案全局路径规划算法记录

OpenCV 叠加应用 remap

Yiwei Zhang · 2023-04-10 · via 又见苍岚

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

在 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：

import mtutils as mt
import cv2if __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 frame1 和 frame2 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/

此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。原文来自 — 版权归原作者所有。

推荐订阅源

又见苍岚

背景

实现思路

Python 实现