我正在尝试理解计算机视觉中的图像插值算法。我意识到有一大堆插值技术,如线性,双三次,最近邻等,用于图像旋转。最近邻技术似乎是这一领域最简单的算法。我理解一些基本概念,比如当我们使用旋转矩阵旋转图像时,由于余弦和正弦运算,新图像的行和列将变为浮点值。因此,我们必须截断浮点值并进行插值,以预测缺少图像坐标的数据……我知道有三个帖子与这个问题非常相关:Post 1;Post 2和Post 3
在所有这些帖子中,他们都没有解释如何围绕自定义轴心点(可以是图像中心或偏离真实图像中心的任何其他点)旋转图像。此外,上面帖子中的大多数答案只是抛出了一些代码,没有太多解释最近邻技术是如何实现图像旋转问题的……谁能解释一下如何使用最近的邻居围绕自定义轴心点(下图中显示的红色标记)旋转RGB图像(如下图所示)?

发布于 2019-06-24 13:00:34
简单的旋转总是围绕原点。一个简单的旋转( 2D)由下面的变换矩阵给出(我这里使用homogenous coordinates ):
⎡ r1 -r2 0 ⎤
R = ⎢ r2 r1 0 ⎥
⎣ 0 0 1 ⎦r1和r2的关系在于它们一起形成一个单位向量(r1^2 + r2^2 = 1)。当将坐标放入该变换时,它们将围绕原点旋转。例如,给定一个向量p,我们通过将其左乘以R来旋转它。
如果要围绕另一个点旋转(例如(c1,c2) ),则需要平移坐标以使此新点移动到原点,然后应用旋转,然后再平移回来:
⎡ 1 0 c1 ⎤ ⎡ r1 -r2 0 ⎤ ⎡ 1 0 -c1 ⎤
T' R T = ⎢ 0 1 c2 ⎥ ⎢ r2 r1 0 ⎥ ⎢ 0 1 -c2 ⎥
⎣ 0 0 1 ⎦ ⎣ 0 0 1 ⎦ ⎣ 0 0 1 ⎦将其相乘得到:
⎡ r1 -r2 -r1*c1+r2*c2+c1 ⎤ ⎡ 1 0 -r1*c1+r2*c2+c1 ⎤ ⎡ r1 -r2 0 ⎤
T' R T = ⎢ r2 r1 -r2*c1-r1*c2+c2 ⎥ = ⎢ 0 1 -r2*c1-r1*c2+c2 ⎥ ⎢ r2 r1 0 ⎥
⎣ 0 0 1 ⎦ ⎣ 0 0 1 ⎦ ⎣ 0 0 1 ⎦因此,我们可以看到,我们可以简单地围绕原点旋转,然后以某种适当的方式转换结果,以获得相同的结果,就像我们围绕选定的旋转中心旋转一样。
给定任何旋转图像并给出完整结果的图像处理库函数(即,其输出图像包含所有输入数据),我们可以通过使用适当的偏移量将此结果剪切到输入大小来重新创建围绕任意点旋转的结果。
https://stackoverflow.com/questions/56728791
复制相似问题