Question

我正在研究opencv中cv::warpAffine()的源代码，我有2个问题。

这是第一个问题。就像下面的代码一样，在通过调用函数cv::getAffineTransform()计算变换矩阵之后，我们调用cv::warpAffine()来扭曲图像。

cv::Point2f src[3], dst[3];
src[0] = cv::Point2f(35.148750, 255.26263);
src[1] = cv::Point2f(293.08679, 215.27223);
src[2] = cv::Point2f(153.83780, 168.80141);

dst[0] = cv::Point2f(35.000000, 275.00000);
dst[1] = cv::Point2f(293.00000, 215.00000);
dst[2] = cv::Point2f(116.00000, 126.00000);

cv::Mat image = cv::imread("C:/Users/CJZ/Desktop/TestSample/eye_test.jpg");
cv::Mat reslt = cv::Mat(image.rows * 1.3, image.cols * 1.3, image.type(), cv::Scalar::all(255));

cv::Mat warpMat = cv::getAffineTransform(src, dst);
cv::warpAffine(image, reslt, warpMat, reslt.size());

当我看到cv::warpAffine()的源代码时，我发现转换矩阵再次被重新计算。

if( !(flags & WARP_INVERSE_MAP) )
{
    double D = M[0]*M[4] - M[1]*M[3];
    D = D != 0 ? 1./D : 0;
    double A11 = M[4]*D, A22=M[0]*D;
    M[0] = A11; M[1] *= -D;
    M[3] *= -D; M[4] = A22;
    double b1 = -M[0]*M[2] - M[1]*M[5];
    double b2 = -M[3]*M[2] - M[4]*M[5];
    M[2] = b1; M[5] = b2;
}

这个计算的意义是什么？

这是第二个问题。我在源代码中找到了一些枚举变量，他们让我很困惑。似乎我们可以用它们来优化速度，但为什么呢？我希望有人可以告诉我有关优化的详细信息。

enum
{
    INTER_BITS=5, INTER_BITS2=INTER_BITS*2,
    INTER_TAB_SIZE=(1<<INTER_BITS),
    INTER_TAB_SIZE2=INTER_TAB_SIZE*INTER_TAB_SIZE
};

最后一件事。我发现cv::warpAffine的架构很大，对我来说很难。有一些关于它的文章吗？

Answer 1

关于你的上一个问题：看看George Wolberg关于数字图像变形的书，它涵盖了仿射（2D）变形。

如何在opencv

1 个答案: