计算机视觉 课件 第三章 图像显变换与标定1

计算机视觉第三章图像显示、变换和相机标定目录01图像显示

(ImageDisplay)•数字图像的基本概念

•色彩空间

•图像显示原理02图像变换

(ImageTransformation)•几何变换

•灰度变换03相机标定

(CameraCalibration)•相机标定的目的

•针孔相机模型

•四个坐标系及其转换

•张正友标定法计算机视觉第三章图像显示、变换和相机标定01图像显示探究数字图像在屏幕呈现的底层机制，深入理解像素构成、分辨率标准与色彩空间模型，掌握将数字信号转化为视觉感知的关键原理。02图像变换学习图像的数学变换体系，涵盖改变几何形态的几何变换，以及调整明暗对比度的灰度变换，为图像预处理与特征提取构建坚实基础。03相机标定建立连接二维图像与三维现实的桥梁，通过数学建模精确描述相机成像原理，实现空间坐标的精准还原，是三维重建与测量的核心前提。——构建机器视觉感知的底层逻辑，开启三维世界的数字化探索之旅——01图像显示-像素(Pixel)定义：像素（PictureElement）是数字图像的最小组成单元。本质：一个像素可以被看作是一个数据值或一组数据值。属性：每个像素都有其在图像网格中的特定位置（坐标）。01图像显示-分辨率(Resolution)定义

图像在水平和垂直方向上包含的像素数量。像素密度(PPI)

每英寸包含的像素数量，PPI越高越清晰。300PPI

——印刷/出版/照片打印的"黄金标准"96PPI

——屏幕显示的默认基准（Windows系统）常见分辨率

HD(1280×720),FHD(1920×1080),4K(3840×2160)。01图像显示-色彩空间(ColorSpace)RGB色彩空间加色模型，通过混合红、绿、蓝三种原色光来创建颜色。广泛应用于显示器、数码相机等。HSV色彩空间代表色相(Hue)、饱和度(Saturation)、明度(Value)。更接近人类感知颜色的方式，便于颜色分割和识别。01图像显示-图像显示原理数据读取：

从图像文件中读取像素数据。信号处理：

显卡(GPU)处理数字信号。物理显示：

通过CRT、LCD或OLED等技术将信号转换为光信号。OLED屏幕结构分层示意图LCD屏幕结构分层示意图CRT屏幕结构分层示意图02基本图形的绘制图像绘图可以帮助在图像的目标检测中进行说明等作用，是计算机视觉中常用的基础操作基本图形有：

直线

矩形

圆

椭圆

多边形

文本直线：cv2.line(img,#目标图像(0,0)

,#起点

(256,256),#终点

(255,0,0),#颜色5)#粗细直线绘制：数值微分DDA算法1.DDA：DigitalDifferentialAnalyzer2.方法3.主要运算加法+取整浮点运算11

voidLineDDA(intx0,inty0,intx1,inty1,intcolor)//k在0到1之间{intx,dx,dy,floatk，y;dx=x1-x0;dy=y1-y0;k=dy/dx;y=y0;for(x=x0;x<=x1;x++){

SetPixel(x,(int)(y+0.5),color);

y+=k;}}12矩形：img=np.zeros((512,512,3),np.unit8)

cv2.rectangle(img,#目标图像(128,128)

,#顶点

(256,256),#相对的顶点

(0,255,0),#颜色3)#粗细圆：img=np.zeros((512,512,3),np.unit8)

cv2.circle(img,#目标图像(256,256)

,#顶点

256,#半径

(0,0,255),#颜色-1)#填充椭圆：cv2.ellipse(img,#目标图像(256,256)

,#中心

(256,128)

,#长轴，短轴

0,#逆时针旋转角度0,#开始角度

0,#结束角度(0,0,255),#颜色-1)#填充cv2.ellipse(img,(256,256),(256,128),45,0,360,(0,255,0),-1)cv2.ellipse(img,(256,256),(256,128),90,0,360,(255,0,0),-1)多边形：pts=np.array([[50,50],[400,100],[462,462],[100,400]],64)cv2.polylines(img,#目标图像[pts]

,#顶点

True,#是否闭合

(0,0,255),#颜色

3)#粗细文本：font=cv2.FONT_HERSHEY_SIMPLEXcv2.putText(img,#目标图像

“OpenCV”,#文字

(10,300)#文本框左下角

4)#文字大小

(255,255,255),#文本颜色

3

,#文本粗细

cv2.LINE_AA#文字线型03图像变换-几何变换(GeometricTransformation)几何变换改变图像中像素的空间位置，从而改变图像的形状、大小或方向。源图像目标图像齐次坐标一、为什么需要齐次坐标?1.几何变换矩阵运算表示形式不统一平移为“＋”旋转和放缩为“·”2.对多个点同时进行相同的多次变换时，分别利用矩阵计算各点变换的计算量大 如：P1，P2同时依次进行平移T，旋转R变换，变换后的坐标为：

统一运算形式后，对连续变换可以先合成变换运算的矩阵，再作用于图形对象平移记平移变换矩阵T为：T(tx,ty)矩阵表示：旋转二、齐次坐标定义(HomogeneousCoordinate)1.定义：(x，y)点对应的齐次坐标定义为2.说明：

(1)(x，y)点对应的齐次坐标为三维空间的一条直线

(2)标准齐次坐标:点(x，y)的标准齐次坐标为(x，y，1)(3)h＝0表示无穷远点21三、二维变换的矩阵表示1.平移变换三、二维变换的矩阵表示2.旋转变换三、二维变换的矩阵表示3.放缩变换复合变换实例1：计算关于任意参照点的旋转变换步骤：（1）平移对象使参照（基准）点移到坐标原点（2）绕坐标原点旋转（3）平移对象使参照点回到原始位置问题回顾求解一、分步变换过程：先放缩S，再旋转R，最后平移T；二、

图像变换：求总的变换矩阵M：由缩放，旋转，平移构成。M=T·R·SI’=M·IOpenCV的函数实现缩放：cv2.resize(图像对象，缩放尺寸)img_dsize=cv2.resize(img,#输入图像(4*width,2*height),#输出图像大小img_dsize=cv2.cvtColor(img_dsize,cv2.COLOR_BGR2RGB)plt.imshow(img_dsize)pIt.showOimg_fx_fy=cv2.resize(img,#输入图像None，#输出图像:fx=1/2,fy=1/4,#x轴缩放因子#y轴缩放因子平移：cv2.warpAffine(img,#变换前的图像M，#变换矩阵(width,height))#变换后的大小M=np.float64([[1,0,100],[o,1,50]])2x3变换矩阵:100表示水平方向上的平移距离，50表示垂直方向上的平移距离旋转：cv2.getRotationMatrix2D((width/2,#旋转中心