当前位置：首页 > news >正文

OpenCV极坐标变换函数warpPolar的使用

news 2025/7/7 21:03:34

学更好的别人，

做更好的自己。

——《微卡智享》

本文长度为1702字，预计阅读4分钟

前言

前阵子在做方案时，得了几张骨钉的图片，骨科耗材批号效期管理一直是比较麻烦的，贴RFID标签成本太高，所以一般考虑还是OCR的识别比较好，因为本身骨钉的字符是按圆印上去的，直接截取图片进行OCR没法识别，需要经过图像处理后再识别，所以这篇就是学习一下OpenCV的极坐标变换函数。

实现效果

源图像

查找出骨钉后用极坐标变换生成的图像

图像本来就是手机拍的，反光也比较厉害，所以本篇主要就是介绍极坐标变换，最后的OCR识别就不在这个范围内了。

极坐标变换函数

void cv::warpPolar(InputArray   src, —原图像，单通道灰度图和三通道彩色图都可OutputArray dst,  —输出图像，与原图像具有相同的数据类型和通道数Size   dsize, —目标图像大小，如图不填这个值或dsize两个值中的某个值Point2f  center, —极坐标变换时原点坐标double   maxRadius, —极坐标系的极半径最大值int   flags ) —插值方法与极坐标映射方法标志。方法之间通过“+”或者“|”号进行连接

重点说明：

dsize:目标图像大小，Size(0,0)主要就是填写里面的width和height

当width和height两个值均<=0（默认），则目标图像将具有（几乎）相同的源边界圆面积
当width>0并且height <= 0,目标图像区域将与边界圆区域按比例缩放
当width和height都 > 0, 目标图像将具有给定的大小，因此边界圆的面积将缩放为dsize

flags：插值方法与极坐标映射方法标志

插值方法：图像缩放之后，肯定像素要进行重新计算的，就靠这个参数来指定重新计算像素的方式，一般分为：

INTER_NEAREST - 最邻近插值
INTER_LINEAR - 双线性插值，如果最后一个参数你不指定，默认使用这种方法
INTER_AREA -区域插值
INTER_CUBIC - 4x4像素邻域内的双立方插值
INTER_LANCZOS4 - 8x8像素邻域内的Lanczos插值

这个我们一般都默认为INTER_LINEAR - 双线性插值即可。

极坐标映射方法里面就三个，主要是极坐标变换、半对数极坐标变换和逆变换。

WARP_POLAR_LINEAR - 极坐标变换
WARP_POLAR_LOG - 半对数极坐标变换
WARP_INVERSE_MAP - 逆变换

核心来说其实就是两个极坐标变换和半对数极坐标变换，它们两个都是由圆变换为矩形，而逆变换就是针对两种变换由矩形再转为圆。逆变换在原来的flags后面用“+”连接即可。

warpPolar的起始位置和图像旋转角度

极坐标变换的起始位置默认就是3点钟的方向，上图中用蓝色箭头指的就是开始的位置，从3点钟方向顺时针来进行变换。

生成的矩形默认是向下垂直排列的，按我们自己的习惯肯定还需要将图像进行旋转，所以转换完后需要用rotate做一个图像的旋转。

代码如下：

//极坐标变换
//参数 flags=INTER_LINEAR 双线性插值
Mat warpPolarMat(Mat src, int flags = INTER_LINEAR + WARP_POLAR_LINEAR) {// 圆心坐标Point2f center = Point2f(src.cols / 2, src.rows / 2);// 圆的半径double maxRadius = min(center.y, center.x) - 1;// 圆的周长int circumference = maxRadius * 2 * 3.14;//输出图像Mat dst;// 极坐标变换, Size()表示OpenCV根据输入自行决定输出图像尺寸warpPolar(src, dst, Size(0, 0), center, maxRadius, flags);// 改变结果方向rotate(dst, dst, ROTATE_90_COUNTERCLOCKWISE);return dst;
}

实现思路及完整代码

#	实现步骤
1	图像简单处理（灰度图、中值滤波）
2	霍夫圆检测获取到图像中的骨钉
3	将获取到的圆每个分别截取出来进行极坐标变换显示出来

完整代码

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;//显示窗口设置  
//参数  img 显示的图像源，
//      winname 显示的窗口名称,
//      pointx  显示的坐标x
//      pointy  显示的坐标y
void setshowwindow(Mat img, string winname, int pointx, int pointy)
{//设置显示窗口namedWindow(winname, WindowFlags::WINDOW_NORMAL);//设置图像显示大小resizeWindow(winname, img.size());//设置图像显示位置moveWindow(winname, pointx, pointy);
}//极坐标变换
//参数 flags=INTER_LINEAR 双线性插值
Mat warpPolarMat(Mat src, int flags = INTER_LINEAR + WARP_POLAR_LINEAR) {// 圆心坐标Point2f center = Point2f(src.cols / 2, src.rows / 2);// 圆的半径double maxRadius = min(center.y, center.x) - 1;// 圆的周长int circumference = maxRadius * 2 * 3.14;//输出图像Mat dst;// 极坐标变换, Size()表示OpenCV根据输入自行决定输出图像尺寸warpPolar(src, dst, Size(0, 0), center, maxRadius, flags);// 改变结果方向rotate(dst, dst, ROTATE_90_COUNTERCLOCKWISE);return dst;
}int main(int argc, char** argv) {//测试图片文件  string testfile = "E:/DCIM/imagetest/06.png";//读取图片Mat src = imread(testfile);//修改图片大小setshowwindow(src, "src", 50, 200);imshow("src", src);//灰度图Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);//中值滤波medianBlur(gray, gray, 9);//霍夫圆检测vector<Vec3f> circles;HoughCircles(gray, circles, HOUGH_GRADIENT, 1, 50, 100, 100);//绘制检测到的圆型for (size_t i = 0; i < circles.size(); ++i) {Vec3f item = circles[i];//绘制检测到的圆circle(src, Point(item[0], item[1]), item[2], Scalar(0, 0, 255));//根据圆点和半径生成矩形Rect rect = Rect(Point(item[0] - item[2], item[1] - item[2]), Point(item[0] + item[2], item[1] + item[2]));//截图到当前圆的图像Mat rectsrc = src(rect);//极坐标变换Mat rectdst, showmat;rectdst = warpPolarMat(rectsrc);//设置当前圆显示位置String title = "circle" + to_string(i);String title2 = "roi" + to_string(i);if ((i % 2) == 0) {setshowwindow(rectsrc, title, 50, rectsrc.rows * (i / 2) + 2);setshowwindow(rectdst, title2, 50 + rectsrc.cols + 2, rectsrc.rows * (i / 2) + 2);}else {setshowwindow(rectsrc, title, (rectsrc.rows + rectdst.rows) * 2 , rectsrc.rows * (i / 2) + (i % 2) + 2);setshowwindow(rectdst, title2, (rectsrc.rows + rectdst.rows) *2 + rectsrc.rows , rectsrc.rows * (i / 2) + (i % 2) + 2);}imshow(title, rectsrc);imshow(title2, rectdst);}waitKey();return 0;
}

完