图像处理之图像快速旋转算法

简介: 图像处理之图像快速旋转算法

基本思想:

旋转矩阵在旋转角度较小的情况下可以通过两次错切变化得到旋转效果的图片,在旋


转角度较大的情况下可以通过三次错切得到等价旋转效果图像(较小角度小于15度,较


大角度在90度之内),对于旋转角度超过90度,首先旋转特殊角度90,180,270,然后


在旋转剩下的角度数。90,180,270是特殊角度,可以通过简单的矩阵变换得到。旋


转矩阵到三次等价错切矩阵等式如下:

1353773682_4508.png



一个更好的分解图如下:


1353773710_5309.png


程序关键代码解释:


错切变换是基本的图像几何变换,首先在X方向进行顺时针的错切变换,然后在Y方向


进行顺时针的错切变换,最后再到X方向进行顺时针错切变换,最终得到旋转角度以后


的图像数据。


X方向的错切变换的代码如下:

  /**
   * 水平方向错切变换
   * 
   * @param input - 输入像素数据
   * @param shear - 错切角度
   * @param width - 图像像素数据宽度
   * @param height - 图像像素数据高度
   * @return
   */
  public int[] xshear(int[] input, float shear, int width, int height) {
    outw = (int)(Math.abs(shear) * height + width);
    outh = height;
    int[] output = new int[height * outw];
    
    // initialization - 初始化计算变量
    float skew = 0.0f;
    float skewi = 0.0f;
    float skewf = 0.0f;
    int index = 0;
    int outdex = 0;
    float leftred = 0.0f, leftgreen = 0.0f, leftblue = 0.0f;
    float oleftred = 0.0f, oleftgreen = 0.0f, oleftblue = 0.0f;
    int ta = 0, tr=0, tg = 0, tb = 0;
    
    // 执行对每个像素的错切变换
    for(int row=0; row<height; row++) {
      // skew = shear * (height-1-row + 0.5f); big issue!! very difficulty to find it
      skew = shear * (row + 0.5f);
      skewi = (float)Math.floor(skew);
      skewf = skew - skewi;
      for(int col=0; col<width; col++) {
        index = row * width + col;
            ta = (input[index] >> 24) & 0xff;
                tr = (input[index] >> 16) & 0xff;
                tg = (input[index] >> 8) & 0xff;
                tb = input[index] & 0xff;
                if(tr == tg && tg == tb && tb == 0) {
                  continue;
                }
                // calculate interpolation pixel value
        leftred = (skewf * tr);
        leftgreen = (skewf * tg);
        leftblue = (skewf * tb);
        // calculate the new pixel RGB value
        tr = (int)(tr - leftred + oleftred);
        tg = (int)(tg - leftgreen + oleftgreen);
        tb = (int)(tb - leftblue + oleftblue);
        
        // fix issue, need to check boundary
        // computation the new pixel postion here!!
        outdex = (int)(row * outw + col + skewi);
        output[outdex] = (ta << 24) | (tr << 16) | (tg << 8) | tb;
        
        // ready for next pixel.
        oleftred = leftred;
        oleftgreen = leftgreen;
        oleftblue = leftblue;
      }
    }
    return output;
  }

Y方向的错切变换的代码如下:

  public int[] yshear(int[] input, float shear, int width, int height)  {
    outh = (int)(shear * width + height);
    outw = width;
    int[] output = new int[outh * outw];
    
    // initialization - 初始化计算变量
    float skew = 0.0f;
    float skewi = 0.0f;
    float skewf = 0.0f;
    int index = 0;
    int outdex = 0;
    float leftred = 0.0f, leftgreen = 0.0f, leftblue = 0.0f;
    float oleftred = 0.0f, oleftgreen = 0.0f, oleftblue = 0.0f;
    int ta = 0, tr=0, tg = 0, tb = 0;
    
    for(int col = 0; col < width; col++) {
      // the trick is here!!, you can control the 
      // anti-clockwise or clockwise
      skew = shear * (width-1-col + 0.5f);
      // skew = shear * (col + 0.5f); 
      skewi = (float)Math.floor(skew);
      skewf = skew - skewi;
      for(int row = 0; row < height; row++) {
        index = row * width + col;
            ta = (input[index] >> 24) & 0xff;
                tr = (input[index] >> 16) & 0xff;
                tg = (input[index] >> 8) & 0xff;
                tb = input[index] & 0xff;
                
                // calculate interpolation pixel value
        leftred = (skewf * tr);
        leftgreen = (skewf * tg);
        leftblue = (skewf * tb);
        // calculate the new pixel RGB value
        tr = (int)(tr - leftred + oleftred);
        tg = (int)(tg - leftgreen + oleftgreen);
        tb = (int)(tb - leftblue + oleftblue);
        
        // computation the new pixel postion here!!
        // outdex = (int)((height-row + skewi) * outw + col);
        outdex = (int)((row + skewi) * outw + col);
        output[outdex] = (ta << 24) | (tr << 16) | (tg << 8) | tb;
        
        // ready for next pixel.
        oleftred = leftred;
        oleftgreen = leftgreen;
        oleftblue = leftblue;
      }
    }
    return output;
  }

原图如下:

1352293914_3836.jpg


第一次X shear与Y shear之后效果如下


1353775027_6572.png


第二次Xshear即图像旋转效果如下:


1353774103_7533.png


其他参数设置与线性插值旋转算法类似,角度,背景参数设置由用户


提供输入完成,关于线性插值旋转参见这里


http://blog.csdn.net/jia20003/article/details/8159587


说实话这个算法烦了我好久,今天我终于解脱了,想起一句电视剧台词,你应


该了解真相,真相让你自由好像是《X档案》


转载请注明出处

相关文章
|
1月前
|
算法 安全 数据安全/隐私保护
基于AES的遥感图像加密算法matlab仿真
本程序基于MATLAB 2022a实现,采用AES算法对遥感图像进行加密与解密。主要步骤包括:将彩色图像灰度化并重置大小为256×256像素,通过AES的字节替换、行移位、列混合及轮密钥加等操作完成加密,随后进行解密并验证图像质量(如PSNR值)。实验结果展示了原图、加密图和解密图,分析了图像直方图、相关性及熵的变化,确保加密安全性与解密后图像质量。该方法适用于保护遥感图像中的敏感信息,在军事、环境监测等领域具有重要应用价值。
|
3月前
|
算法 数据安全/隐私保护 计算机视觉
基于FPGA的图像双线性插值算法verilog实现,包括tb测试文件和MATLAB辅助验证
本项目展示了256×256图像通过双线性插值放大至512×512的效果,无水印展示。使用Matlab 2022a和Vivado 2019.2开发,提供完整代码及详细中文注释、操作视频。核心程序实现图像缩放,并在Matlab中验证效果。双线性插值算法通过FPGA高效实现图像缩放,确保质量。
|
3月前
|
算法 数据安全/隐私保护
基于信息论的高动态范围图像评价算法matlab仿真
本项目基于信息论开发了一种高动态范围(HDR)图像评价算法,并通过MATLAB 2022A进行仿真。该算法利用自然图像的概率模型,研究图像熵与成像动态范围的关系,提出了理想成像动态范围的计算公式。核心程序实现了图像裁剪处理、熵计算等功能,展示了图像熵与动态范围之间的关系。测试结果显示,在[μ-3σ, μ+3σ]区间内图像熵趋于稳定,表明系统动态范围足以对景物成像。此外,还探讨了HDR图像亮度和对比度对图像质量的影响,为HDR图像评价提供了理论基础。
|
3月前
|
传感器 算法 数据安全/隐私保护
基于Affine-Sift算法的图像配准matlab仿真
本项目展示了Affine-SIFT算法的运行效果(无水印),适用于图像配准任务,能够处理旋转、缩放、平移及仿射变换。程序基于MATLAB2022A开发,包含完整代码与操作视频。核心步骤为:先用SIFT提取特征点,再通过仿射变换实现高精度对准。
|
3月前
|
人工智能 编解码 算法
使用 PAI-DSW x Free Prompt Editing图像编辑算法,开发个人AIGC绘图小助理
使用 PAI-DSW x Free Prompt Editing图像编辑算法,开发个人AIGC绘图小助理
|
11天前
|
算法 数据安全/隐私保护
基于GA遗传算法的悬索桥静载试验车辆最优布载matlab仿真
本程序基于遗传算法(GA)实现悬索桥静载试验车辆最优布载的MATLAB仿真(2022A版)。目标是自动化确定车辆位置,使加载效率ηq满足0.95≤ηq≤1.05且尽量接近1,同时减少车辆数量与布载时间。核心原理通过优化模型平衡最小车辆使用与ηq接近1的目标,并考虑桥梁载荷、车辆间距等约束条件。测试结果展示布载方案的有效性,适用于悬索桥承载能力评估及性能检测场景。
|
11天前
|
算法 机器人 数据安全/隐私保护
基于双向RRT算法的三维空间最优路线规划matlab仿真
本程序基于双向RRT算法实现三维空间最优路径规划,适用于机器人在复杂环境中的路径寻找问题。通过MATLAB 2022A测试运行,结果展示完整且无水印。算法从起点和终点同时构建两棵随机树,利用随机采样、最近节点查找、扩展等步骤,使两棵树相遇以形成路径,显著提高搜索效率。相比单向RRT,双向RRT在高维或障碍物密集场景中表现更优,为机器人技术提供了有效解决方案。
|
1月前
|
存储 算法 调度
基于和声搜索优化算法的机器工作调度matlab仿真,输出甘特图
本程序基于和声搜索优化算法(Harmony Search, HS),实现机器工作调度的MATLAB仿真,输出甘特图展示调度结果。算法通过模拟音乐家即兴演奏寻找最佳和声的过程,优化任务在不同机器上的执行顺序,以最小化完成时间和最大化资源利用率为目标。程序适用于MATLAB 2022A版本,运行后无水印。核心参数包括和声记忆大小(HMS)等,适应度函数用于建模优化目标。附带完整代码与运行结果展示。
|
11天前
|
算法 JavaScript 数据安全/隐私保护
基于GA遗传优化的最优阈值计算认知异构网络(CHN)能量检测算法matlab仿真
本内容介绍了一种基于GA遗传优化的阈值计算方法在认知异构网络(CHN)中的应用。通过Matlab2022a实现算法,完整代码含中文注释与操作视频。能量检测算法用于感知主用户信号,其性能依赖检测阈值。传统固定阈值方法易受噪声影响,而GA算法通过模拟生物进化,在复杂环境中自动优化阈值,提高频谱感知准确性,增强CHN的通信效率与资源利用率。预览效果无水印,核心程序部分展示,适合研究频谱感知与优化算法的学者参考。
|
2月前
|
算法 数据可视化 BI
基于免疫算法的最优物流仓储点选址方案MATLAB仿真
本程序基于免疫算法实现物流仓储点选址优化,并通过MATLAB 2022A仿真展示结果。核心代码包括收敛曲线绘制、最优派送路线规划及可视化。算法模拟生物免疫系统,通过多样性生成、亲和力评价、选择、克隆、变异和抑制机制,高效搜索最优解。解决了物流仓储点选址这一复杂多目标优化问题,显著提升物流效率与服务质量。附完整无水印运行结果图示。
基于免疫算法的最优物流仓储点选址方案MATLAB仿真