使用 scikit-image 和 Transform.PolynomialTransform 进行图像变形

我附上一个压缩档案 https://drive.google.com/file/d/0B6EnJ-Vh6zs1MkVCRlNhZkJsOEk/view?usp=sharing包含说明和重现问题所需的所有文件。

（我还没有上传图片的权限...）

我有一个带有曲线的图像（zip 存档中的 test2.png）。

我尝试扭曲它，使线条变直。 我想到使用 scikit-image 变换，特别是transform.PolynomialTransform，因为变换涉及高阶失真。

因此，首先我以固定间隔测量 x 中每条线的精确位置，以定义输入兴趣点（在文件 source_test2.csv 中）。 然后，我计算沿直线定位的相应所需位置（在文件 destination_test2.csv 中）。

图对应.png 显示了它的外观。

接下来，我简单地使用 3 阶多项式调用 Transform.PolynomialTransform()。 它找到了一个解决方案，但是当我使用transform.warp()应用它时，结果很疯狂，如文件Crazy_Warped.png所示

任何人都可以告诉我我做错了什么？ 我尝试了 2 阶多项式但没有运气...... 我成功地对子图像进行了良好的转换（仅限前 400 列）。 在像我这样的情况下，transform.PolynomialTransform() 完全不稳定吗？

这是完整的代码：

import numpy as np
import matplotlib.pyplot as plt
import asciitable
import matplotlib.pylab as pylab
from skimage import io, transform

# read image 
orig=io.imread("test2.png",as_grey=True)
# read tables with reference points and their desired transformed positions
source=asciitable.read("source_test2.csv")
destination=asciitable.read("destination_test2.csv")

# format as numpy.arrays as required by scikit-image
# (need to add 1 because I started to count positions from 0...)
source=np.column_stack((source["x"]+1,source["y"]+1))
destination=np.column_stack((destination["x"]+1,destination["y"]+1))
# Plot
plt.imshow(orig, cmap='gray', interpolation='nearest')
plt.plot(source[:,0],source[:,1],'+r')
plt.plot(destination[:,0],destination[:,1],'+b')
plt.xlim(0,orig.shape[1])
plt.ylim(0,orig.shape[0])

# Compute the transformation
t = transform.PolynomialTransform()
t.estimate(destination,source,3)

# Warping the image
img_warped = transform.warp(orig, t, order=2, mode='constant',cval=float('nan'))

# Show the result
plt.imshow(img_warped, cmap='gray', interpolation='nearest')
plt.plot(source[:,0],source[:,1],'+r')
plt.plot(destination[:,0],destination[:,1],'+b')
plt.xlim(0,img_warped.shape[1])
plt.ylim(0,img_warped.shape[0])
# Save as a file
io.imsave("warped.png",img_warped)

提前致谢！

这里有一些错误，主要与坐标约定有关。例如，如果我们检查绘制原始图像的代码，然后将单击的点放在其顶部：

plt.imshow(orig, cmap='gray', interpolation='nearest')
plt.plot(source[:,0],source[:,1],'+r')
plt.xlim(0,orig.shape[1])
plt.ylim(0,orig.shape[0])

（为了更清晰，我把目的地点去掉了）然后我们得到下面的图像：

如您所见，如果我们使用以下命令反转 y 轴，则 y 轴会翻转：

source[:,1] = orig.shape[0] - source[:,1]

在绘图之前，我们得到以下结果：

所以这是第一个问题（不要忘记也反转目的地点），第二个与变换本身有关：

t.estimate(destination,source,3)

来自文档 http://scikit-image.org/docs/dev/api/skimage.transform.html#skimage.transform.PolynomialTransform我们看到调用首先获取源点，然后是目标点。因此，这些论点的顺序应该颠倒。

最后，单击的点的形式为 (x,y)，但图像存储为 (y,x)，因此我们必须在应用变换之前转置图像，然后再次转置回来：

img_warped = transform.warp(orig.transpose(), t, order=2, mode='constant',cval=float('nan'))
img_warped = img_warped.transpose()

当您进行这些更改时，您会得到以下扭曲的图像：

这些线并不完全平坦，但更有意义。