什么是重映射

把一副圖像內(nèi)的像素點放置到另一幅圖像內(nèi)的指定位置，這個過程我們稱為重映射。簡單點理解，也就是copy一個圖像到另一個圖像中。

在OpenCV中，它給我們提供了cv2.remap()函數(shù)作為重映射，其定義如下：

def remap(src, map1, map2, interpolation, dst=None, borderMode=None, borderValue=None): 

src：代表原始圖像

map1：可以表示(x,y)點的一個映射，也可以表示CV_16SC2、CV_32FC1、CV_32FC2類型（x,y）點的x值

map2：當前map1表示(x,y)點的一個映射時，該值為空。當map1表示CV_16SC2、CV_32FC1、CV_32FC2類型（x,y）點的x值時，該值時CV_16UC1、CV_32FC1類型(x,y)點的y值。

interpolation，borderMode，borderValue與前文類似。

需要注意，map1指代的是像素點所在位置的列號，map2指代的是像素點所在位置的行號。

copy像素點

現(xiàn)在我們假設(shè)有一個需求，將目標圖像內(nèi)的所有像素點都映射為原始圖像內(nèi)的第100行，200列上的像素點。具體實現(xiàn)如下：

import cv2
import numpy as np

img = cv2.imread("4.jpg")
rows, cols, ch = img.shape
mapx = np.ones(img.shape[:2], np.float32) * 200
mapy = np.ones(img.shape[:2], np.float32) * 100
result_img = cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)
cv2.imshow("img", img)
cv2.imshow("result_img", result_img)
cv2.waitKey()
cv2.destroyAllWindows()

如上面代碼所示，我們將所有像素點都設(shè)置為原始圖像（100，200）點的像素點，會得到一個非常純色的圖像，效果如下所示：

點像素設(shè)置

copy整個圖像

那么既然能copy某個像素點，那么也肯定能copy整個圖像。下面，我們將上圖左邊的圖像全部copy到右邊，具體代碼如下：

import cv2
import numpy as np

img = cv2.imread("4.jpg")
rows, cols, ch = img.shape
mapx = np.ones(img.shape[:2], np.float32)
mapy = np.ones(img.shape[:2], np.float32)
for i in range(rows):
    for j in range(cols):
        mapx.itemset((i,j),j)#設(shè)置每個點映射原圖的Y坐標
        mapy.itemset((i,j),i)#設(shè)置每個點映射原圖的X坐標
result_img = cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)
cv2.imshow("img", img)
cv2.imshow("result_img", result_img)
cv2.waitKey()
cv2.destroyAllWindows()

這里，我們將所有點映射到所有點，每個像素點一一對應(yīng)，就完成了copy原圖像。運行之后，效果如下所示：

copy

繞X軸翻轉(zhuǎn)

通過cv2.remap()函數(shù)，我們不僅可以重映射像素點，還可以翻轉(zhuǎn)過來映射，也就是通過它實現(xiàn)X軸的翻轉(zhuǎn)效果，只要保證X軸不變，并且Y坐標值以X軸為對稱進行交換即可。

修改上面代碼中的某一行，代碼如下：

import cv2
import numpy as np

img = cv2.imread("4.jpg")
rows, cols, ch = img.shape
mapx = np.ones(img.shape[:2], np.float32)
mapy = np.ones(img.shape[:2], np.float32)
for i in range(rows):
    for j in range(cols):
        mapx.itemset((i,j),j)
        mapy.itemset((i,j),rows-1-i)#修改這一行即可，對稱
result_img = cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)
cv2.imshow("img", img)
cv2.imshow("result_img", result_img)
cv2.waitKey()
cv2.destroyAllWindows()

運行之后，我們得到了繞X軸翻轉(zhuǎn)的圖像，效果如下：

繞X軸翻轉(zhuǎn)

繞Y軸翻轉(zhuǎn)

既然我們可以通過cv2.remap()函數(shù)繞X翻轉(zhuǎn)，那么肯定的也可以繞Y軸翻轉(zhuǎn)，只要將X坐標值以Y軸為對稱進行交換即可。

話不多說，直接上代碼：

import cv2
import numpy as np

img = cv2.imread("4.jpg")
rows, cols, ch = img.shape
mapx = np.ones(img.shape[:2], np.float32)
mapy = np.ones(img.shape[:2], np.float32)
for i in range(rows):
    for j in range(cols):
        mapx.itemset((i,j),cols-1-j)#修改這一行即可
        mapy.itemset((i,j),i)#
result_img = cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)
cv2.imshow("img", img)
cv2.imshow("result_img", result_img)
cv2.waitKey()
cv2.destroyAllWindows()

運行之后，我們得到繞Y軸翻轉(zhuǎn)的圖像：

繞Y軸翻轉(zhuǎn)

繞XY軸翻轉(zhuǎn)

那么繞XY軸一起翻轉(zhuǎn)呢？這里二行代碼一起更改：

import cv2
import numpy as np

img = cv2.imread("4.jpg")
rows, cols, ch = img.shape
mapx = np.ones(img.shape[:2], np.float32)
mapy = np.ones(img.shape[:2], np.float32)
for i in range(rows):
    for j in range(cols):
        mapx.itemset((i,j),cols-1-j)
        mapy.itemset((i,j),rows-1-i)
result_img = cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)
cv2.imshow("img", img)
cv2.imshow("result_img", result_img)
cv2.waitKey()
cv2.destroyAllWindows()

運行之后，效果如下所示：

繞XY軸翻轉(zhuǎn)

壓縮一半

也就是將原圖縮小一般，按將Y軸縮小一般，只需要將X軸設(shè)置為2倍即可。具體代碼如下所示：

import cv2
import numpy as np

img = cv2.imread("4.jpg")
rows, cols, ch = img.shape
mapx = np.ones(img.shape[:2], np.float32)
mapy = np.ones(img.shape[:2], np.float32)
for i in range(rows):
    for j in range(cols):
        mapx.itemset((i,j),j)
        mapy.itemset((i,j),2*i)#修改這行代碼即可
result_img = cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)
cv2.imshow("img", img)
cv2.imshow("result_img", result_img)
cv2.waitKey()
cv2.destroyAllWindows()

運行之后，效果顯示如下：

壓縮原圖像

既然能壓縮，意味著也可以實現(xiàn)縮小，縮小的具體實現(xiàn)，可以當作訓練的習題，方便大家鞏固掌握，博主在這里就不在贅述了。