计算机视觉课程设计报告.docx

计算机视觉课程设计实验报告 1．题 目: 图 像 变 形 2．组 员：曹英( 叶超( 李淑珍( 实验目的：掌握图像几何运算中变形算法 实验原理：对两幅图分别进行卷绕、插值，每幅图得到一序列图片，然后 对这些序列图片进行加权求和，得到一序列帧，再将其显示出来，就得到了由一幅图到另一幅图的变形。 实验步骤：对一幅图分别选 4 行 4 列的 16 个控制点，在每条边上进行五 等分，每条边形成六个点，加上原来的 16 个就是 36 个控制点，这样就把它分成了不规则的 25 小块，对每小块进行卷绕、插值，本实验我们用的是最近邻插值， 目标控制点就是将图片分成标准并且相同大小的 25 小块的 36 个点。这样会得到一幅不规则图片，让它作为新的原图进行如前所述一样的处理，控制点都是这样自动产生的：一开始所选每个控制点到相应标准控制点等距离 (本实验我们是分成 9 等分)产生一序列的 36 个控制点。这样每产生一幅图都对它进行相类似的处理，控制点的产生方法就是上面所说的那样。得到的一序列图片越来越接近原图， 最后一幅与原图一样。这样我们就可以得到这样的一序列图片：原图，手工选控制点进行处理后得到的不规则图，循环产生控制点得到的越来越接近原图的 9 幅图（最后一幅与原图一样）。为了描述的方便，这里我把它编号为 1_1 到 1_11。对目标图进行与原图一样的处理。编号也类似，即 2_1 到 2_11。 最后进行加权求和，第一帧是原图，第二帧是1_10 与 2_2 加权求和，其中 1_10 的权值是 0.9，2_2 的权值是 0.1，第三帧是 1_9 与 2_3 加权求和，其中 1_9 的权值是 0.8，2_3 的权值是 0.2，……，第十帧是 1_2 与 2_10 加权求和，其中 1_10 的权值是 0.1，2_2 的权值是 0.9，第十一帧是目标图。这样就得到了所要的结果。这里需要说明的是两幅手工选择的控制点最好是那些有代表性的特征点，这样的话结果会更好。 下面的程序的源代码： clear all; clc; clear all; clc; x1=imread(im1.jpg); x2=imread(im2.jpg); [m,n,p]=size(x1); subplot(2,2,1),imshow(x1); subplot(2,2,2),imshow(x2); x1=double(x1); x2=double(x2); newx=[]; newy=[]; %在图片上选 36 个点将图片分成标准并且相同大小的 25 小块for k=1:36 end newx(k)=fix((n/5))*(mod(k-1,6))+1; newy(k)=fix((m/5))*fix((k-1)/6)+1; %对原图进行分块for k=1:36 switch k case {1,2,3,4,5,6,7,12,13,18,19,24,25,30,31,32,33,34,35,36} %边界 上的点还是标准的等分点 oldx1(k)=newx(k); oldy1(k)=newy(k); otherwise %在图片中选择 4 行 4 列的 16 个控制点 [oldx1(k),oldy1(k)]=ginput(1); hold on; subplot(2,2,1),plot(oldx1(k),oldy1(k),o); end end %对目标图进行分块,方法同上for k=1:36 switch k case {1,2,3,4,5,6,7,12,13,18,19,24,25,30,31,32,33,34,35,36} oldxx1(k)=newx(k); oldyy1(k)=newy(k); otherwise [oldxx1(k),oldyy1(k)]=ginput(1); hold on; subplot(2,2,2),plot(oldxx1(k),oldyy1(k),*); end end %对第一张进行卷绕,插值for i=1:29 newspic=[]; if mod(i,6)~=0 for j=1:4 %每个小块分别处理if j==1 newspic=[1 newx(i) newy(i) newx(i)*newy(i)]; elseif j==2 newspic=[newspic;1 newx(i+1) newy(i) newx(i+1)*newy(i)]; elseif j==3 newspic=[newspic;1 newx(i) newy(i+6) newx(i)*newy(i+6)]; elseif j==4 newspic=[newspic;1 newx(i+1) newy(i+7) n