图像变换
图像滤波用于处理像素(去噪)，从而改变图像质量。
图像的几何变换是指改变图像的几何位置、几何形状、几何尺寸等几何特征。
<详细了解，看opencv书>
概念
矩阵的运算
链接
齐次坐标
链接
齐次坐标就是用N+1维来代表N维坐标，而N维坐标值可以通过以下公式计算得出：
X = x / w
Y = y / w
图像平移
含义
图像的平移可以理解维两个矩阵相加：
也可以理解维矩阵相乘：
图像旋转
含义
图像的旋转一般是以一个点作为旋转中心旋转。
那么图像翻转呢，比如绕着轴翻转？
图像缩放
含义
射影变换
欧式变换
相似变换
仿射变换
射影变换/透视变换
作用
一般用于校正图像：
-
当相机拍摄角度倾斜时，图像会出现梯形失真（如拍摄建筑物时近大远小）。
-
射影变换可以将其矫正为正视图（如文档扫描、车牌识别）。
射影变换 vs. 仿射变换
链接
| 特性 | 射影变换（Projective） | 仿射变换（Affine） |
|---|---|---|
| 自由度 | 8 (9个参数，但可归一化) | 6 |
| 保持性质 | 直线仍为直线，但平行线可能不再平行 | 保持平行性 |
| 适用场景 | 透视矫正（如倾斜拍摄→正视图） | 旋转、缩放、平移（无透视变化） |
| 示例 | 文档矫正、AR投影 | 图像旋转、缩放 |
霍夫变换
作用
霍夫变换（Hough Transform）是一种用于检测图像中特定几何形状（如直线、圆、椭圆等）的经典算法。
(1) 直线检测（Hough Line Transform）
-
用于检测图像中的直线，如边缘检测后的线段提取。
-
应用场景：
-
车道线检测（自动驾驶）
-
文档扫描（检测纸张边缘）
-
建筑结构分析（检测墙面、门窗边缘）
-
(2) 圆检测（Hough Circle Transform）
-
用于检测图像中的圆形或弧形结构。
-
应用场景：
-
工业检测（检测零件上的孔洞）
-
医学图像分析（检测细胞、瞳孔）
-
交通标志识别（检测圆形标志）
-
(3) 广义霍夫变换（检测任意形状）
-
可以扩展用于检测椭圆、矩形等更复杂的形状。
原理
链接
(x,y)的图像空间中的一个点映射到(r,θ)极坐标空间中就是一条正弦曲线，而正弦曲线上的一个点就代表一条直线，如果极坐标空间有两条正弦曲线，就代表在图像空间中的两个确定的点，而如果这两条正弦曲线有一个交点，那么就说明这两条正弦曲线在这个点都有一条图像空间中的直线，而且这两条直线斜率和截距相同，也就是就是同一条直线。
如果一幅图像中的像素构成一条直线，那么这些像素坐标值（x, y）在参数空间对应的曲线一定相交于一个点，所以我们只需要将图像中的所有像素点（坐标值）变换成参数空间的曲线，并在参数空间检测曲线交点就可以确定直线了，也就是确定(r,θ),通过转换可以确定斜率和截距。
边缘检测
作用
直方图和直方图均衡
链接
直方图
直方图均衡
就是调整图像各个亮度值的像素的数量。
