Эффективно применить то же геометрическое преобразование ко многим изображениям
A Warper объект применяет affine2d или projective2d геометрическое преобразование в изображения с заданным размером.
w = images.geotrans.Warper(___, устанавливает свойства Interpolation и FillValue с помощью одного или нескольких аргументов пары "имя-значение". Заключайте каждое имя свойства в одинарные кавычки.Name,Value)
Для примера, warper = images.geotrans.Warper(tform,size(im),'FillValue',1) задает значение заливки 1 для пикселей за пределами оригинального изображения.
warp | Применить геометрическое преобразование |
Выберите набор изображений того же размера. В примере используется набор изображений, которые показывают камеры.
imds = imageDatastore(fullfile(matlabroot,'toolbox','images','imdata','AT*'));
Создайте геометрическое преобразование, чтобы повернуть каждое изображение на 45 степени и сжать каждое изображение.
tform = affine2d([ 0.5*cos(pi/4) sin(pi/4) 0;
-sin(pi/4) 0.5*cos(pi/4) 0;
0 0 1]);Создайте Warper объект, задающий объект геометрического преобразования, tform, и размер входных изображений.
im = readimage(imds,1); warper = images.geotrans.Warper(tform,size(im));
Определите количество изображений, которые будут обработаны, и предварительно выделите массив выхода.
numFiles = numel(imds.Files);
imr = zeros([warper.OutputSize 1 numFiles],'like',im);Примените геометрическое преобразование к каждому из входных изображений путем вызова warp функция Warper объект.
for ind = 1:numFiles im = read(imds); imr(:,:,1,ind) = warp(warper,im); end
Визуализируйте выходные изображения. (Отключите предупреждение о масштабируемых для отображения изображениях.)
warning('off','images:initSize:adjustingMag') montage(imr);
Если входные изображения являются изображениями RGB или 3-D полутоновыми изображениями размера m -by- n -by- p, то warp применяет преобразование к каждому цветовому каналу или p плоскости независимо.
Warper оптимизируется, чтобы применить то же геометрическое преобразование к пакету изображений того же размера. Warper достигает этой оптимизации путем разделения процесса деформации на два шага: расчет преобразованных координат (сделано один раз) и интерполяция на изображении (сделано для каждого изображения). По сравнению с imwarpэтот подход значительно ускоряет весь процесс для малых и средних изображений с уменьшением возвратов для больших изображений.