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
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
1086 0
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
804 8
|
canal 算法 vr&ar
【图像处理】基于电磁学优化算法的多阈值分割算法研究(Matlab代码实现)
【图像处理】基于电磁学优化算法的多阈值分割算法研究(Matlab代码实现)
347 1
|
存储 监控 算法
基于文化优化算法图像量化(Matlab代码实现)
基于文化优化算法图像量化(Matlab代码实现)
630 1
|
存储 算法 生物认证
基于Zhang-Suen算法的图像细化处理FPGA实现,包含testbench和matlab验证程序
本项目基于Zhang-Suen算法实现图像细化处理,支持FPGA与MATLAB双平台验证。通过对比,FPGA细化效果与MATLAB一致,可有效减少图像数据量,便于后续识别与矢量化处理。算法适用于字符识别、指纹识别等领域,配套完整仿真代码及操作说明。
|
机器学习/深度学习 监控 并行计算
【图像增强】局部对比度增强的CLAHE算法直方图增强研究(Matlab代码实现)
【图像增强】局部对比度增强的CLAHE算法直方图增强研究(Matlab代码实现)
1549 0
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
633 2
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
468 6
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
552 3
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
609 8

热门文章

最新文章