实现仿射扭曲中一个简单的例子，将图像或者图像中的一部分放置在另一幅图像指定的位置中

运行代码及结果

具体代码如下:

from PCV.geometry import warp,homography
from PIL import Image
from pylab import *
from scipy import ndimage

im1=array(Image.open('D:/输入图片/aa_12.jpg').convert('L'))
im2=array(Image.open('D:/输入图片/aa_16.jpg').convert('L'))

tp=array([[7,7,402,402],[4,157,157,4],[1,1,1,1]])
im3=warp.image_in_image(im1,im2,tp)

figure()
gray()
imshow(im3)
axis('equal')
axis('off')
show()
imshow(im2)
axis('equal')
axis('off')
show()

输入的两张图片如下:
图一:

图二:

运行结果如下:

此代码中fp是图一四个边角的坐标，这里我获取的是图一整张图片，tp是图二中目标位置四个边角的坐标，在我的代码中y位置在前面，x位置在后面，即[左上角的y坐标，右上角的y坐标，右下角的y坐标，左下角的y坐标]，[左上角的x坐标，右上角的x坐标，右下角的x坐标，左下角的x坐标]。目标位置的选定输入一定要正确，否则在目标位置贴上的图片既怪异又丑陋…

函数image_in_image()部分方法的原理

具体代码:

def image_in_image(im1,im2,tp):
    """ Put im1 in im2 with an affine transformation
        such that corners are as close to tp as possible.
        tp are homogeneous and counter-clockwise from top left. """ 
        
       m,n = im1.shape[:2]
       fp = array([[0,0,n,n],[0,m,m,0],[1,1,1,1]])
       H = homography.Haffine_from_points(tp,fp)
       im1_t = ndimage.affine_transform(im1,H[:2,:2],
                    (H[0,2],H[1,2]),im2.shape[:2])
       alpha = (im1_t > 0)
       return (1-alpha)*im2 + alpha*im1_t
   

homograph.Haffine_from_points(tp,fp)负责算出这四个点对的变换关系。homograph的意思是单应性矩阵，它的适用场景为：当场景中的特征点都落在同一平面上，比如墙、地面等，此时可用单应性估计运动。其描述方程为

H乘以一个不为0的数

H是一个3*3的矩阵。假设已经获得了两幅图像之间的单应矩阵，可得

其中左边为图像1中的点，右边为图像2中的点。

affine_transform的意思是仿射变换，是一种二维坐标到二维坐标之间的线性变换，保持二维图形的“平直性”和“平行性”，其实是指保二维图形间的相对位置关系不变，平行线还是平行线，相交直线的交角不变，但是仿射变换不能保持原来的线段的长度不变，也不能保持原来的夹角角度不变。下图是变换过程的运算:

c,f是平移量，a,b,d,e反映了图像旋转、缩放等变化，将这些参数计算出来，就可以得到两幅图像的坐标变换关系。
这样图一所要截取的区域经过仿射变换映射到图二的目标位置上，且大小和图二的目标区域一样。

alpha通道方法则是设置图二的目标区域部分值为1，其他区域值为0，(0是背景为黑色，1是前景为白色)，先映射出一张和图二一样的图像a(相当于先建立一个蒙板)，然后在蒙板里把不需要的地方填充成黑色，需要的地方即目标区域留成白色，这个时候实际上是做了一次乘法。用黑色所代表的数值0去乘以图二 ，那么这个地方就变透明了，用白色所代表的数值乘以目标区域，再将两者相加，这样图一就能贴在图二的目标区域上。

调试代码中遇到的问题

No module named ‘matplotlib.delaunay’
如果你们也遇到了这种问题，说明matplotlib库中已经不再支持delaunay模块了，需要去warp.py文件中修改两部分，如下

这样就ok啦！