【庖丁解牛】机器视觉核心算法之圆环展开

术语解释

顾名思义，圆环展开是将指定圆环展开为矩形。

几何基础

如图1所示，圆环内径为r，外径为R，圆心为O。

设圆心O坐标为$(x0,y0)$，射线PO到射线OC1的夹角为θ，由几何知识可知：
内圆上点P的坐标$(x,y)$为：
$$\begin{gathered} x=x0+r\ast cos\theta \\ y=y0-r\ast sin\theta \end{gathered}$$
外圆上点P’的坐标$(x^{\prime },y^{\prime })$为：
$$\begin{gathered} x^{\prime }=x0+R\ast cos\theta \\ {y}^{\prime }=y0-R\ast sin\theta \end{gathered}$$
同理可知，若点P落在以O为圆心，半径为Radius(r≤Radius≤R)的圆周上，则其坐标$(X,Y)$为：
$$\begin{gathered} X=x0+Radius\ast cos\theta \\ Y=y0-Radius\ast sin\theta \end{gathered}$$

原理推导

首先要确定展开矩形图像的宽和高。在此，我们不假思索地给出以下结论：
$$\begin{array}{rlr}& DstWidth=(r+R)\ast 2\pi \ast 0.5& \\ & DstHeight=R-r& \end{array}$$
然后，要确定展开矩形图像中，第i行第j列像素点的灰度值。
假设图1中，点C1到G1连线方向为圆环展开的起始方向，由【原理推导】小节结论可知，展开矩形图像中，第i行第j列像素点对应原图像中的坐标为：
$$\begin{gathered} x=x0+(r+i)\ast cos(j\ast 2\pi /DstWidth) \\ y=y0-(r+i)\ast sin(j\ast 2\pi /DstWidth) \end{gathered}$$
显然，展开矩形图像中，第i行第j列像素点对应原图像中的像素坐标不为整数，因此需要采用图像插值算法。最常用的图像插值算法包括最近邻插值和双线性插值，后者插值效果更好，但耗时也相对更长。

1. 最近邻插值
   最近邻插值示意如图2所示。
   
   如图2所示，$(x0,y0)$、$(x0,y1)$、$(x1,y0)$、$(x1,y1)$都是原图像上的坐标点，灰度值分别对应为Q11、Q12、Q21、Q22。而灰度值未知的插值点$(x,y)$，根据最近邻插值方法的约束，其与坐标点$(x0,y0)$位置最接近 (即位于$(x0,y0)$的邻域内)，故插值点$(x,y)$的灰度值等于Q11。
2. 双线性插值
   双线性插值示意如图3所示。
   
   由图3可知，二维图像的双线性插值，需要经过三次一阶线性插值。将其投影至平面，可得图4。
   
   首先，在$x$方向做一维线性插值：
   $$\begin{gathered} f\left(x,y_0\right)=\frac{x_1-x}{x_1-x_0}f\left(x_0,y_0\right)+\frac{x-x_0}{x_1-x_0}f\left(x_1,y_0\right) \\ f\left(x,y_1\right)=\frac{x_1-x}{x_1-x_0}f\left(x_0,y_1\right)+\frac{x-x_0}{x_1-x_0}f\left(x_1,y_1\right) \end{gathered}$$
   然后，在$y$方向做一维线性插值：
   $$f\left(x,y\right)=\frac{y_1-y}{y_1-y_0}f\left(x,y_0\right)+\frac{y-y_0}{y_1-y_0}f\left(x,y_1\right)$$
   整理上式，可得像素点的灰度值插值计算公式为：
   $$f\left(x,y\right)=\frac{(y_1-y)(x_1-x)}{(y_1-y_0)(x_1-x_0)}f\left(x_0,y_0\right)+\frac{(y_1-y)(x-x_0)}{(y_1-y_0)(x_1-x_0)}f\left(x_1,y_0\right)+\frac{(y-y_0)(x_1-x)}{(y_1-y_0)(x_1-x_0)}f\left(x_0,y_1\right)+\frac{(y-y_0)(x-x_0)}{(y_1-y_0)(x_1-x_0)}f\left(x_1,y_1\right)$$

核心代码

// 双线性插值
unsigned char CAlgorithmModule::BilinearInterpolation(float x, float y, MVDSDK_BASE_MODU_INPUT* modu_input, int width, int height)
{
	x = (x < 0) ? 0 : x;
	y = (y < 0) ? 0 : y;
	x = (x > width) ? width : x;
	y = (y > height) ? height : y;

	int x1 = floor(x);
	int x2 = ceil(x);
	int y1 = floor(y);
	int y2 = ceil(y);

	int pos1 = y1 * width + x1;
	int pos2 = y1 * width + x2;
	int pos3 = y2 * width + x1;
	int pos4 = y2 * width + x2;

	unsigned char* pImgData = modu_input->pImageInObj->GetImageData(0)->pData;
	unsigned char grayValue = pImgData[pos1] * (x2 - x) * (y2 - y) + pImgData[pos2] * (x - x1) * (y2 - y) + pImgData[pos3] * (x2 - x) * (y - y1) + pImgData[pos4] * (x - x1) * (y - y1);

	return grayValue;
}

运行结果对比

分别采用笔者提出的算法、VisionMaster（国内最领先的算法平台，后面统称为VM）对多幅图像进行圆环展开。
VM圆环展开结果：

本文圆环展开结果：

可以看出，笔者提出的圆环展开算法效果足以媲美VM。

本期课程就到此结束了，下期课程我们不见不散。

如觉得本文内容不错，请记得给小编点赞、收藏、分享一键三连，您的支持是笔者更新的不懈动力。
想要算法源码工程的读者朋友可在评论区留言或私信小编。