[Halcon&定位] 二维仿射变换原理与算子解析

文章预览：

• 一. 仿射变换原理
• 二. 仿射变换的第一种方式
• 三. 仿射变换的第二种方式

一. 仿射变换原理

二维仿射变换，顾名思义就是在二维平面内，将对象进行平移、旋转、缩放等变换的行为（还有其他的变换，这里仅论述这最常见的三种）。

进行仿射变换，首先我们待仿射变换的对象位置坐标、角度，然后找到目标对象的位置坐标、角度，通过计算两个参数的差值，就可以求出模板对象A和目标对象B之间的的仿射变换矩阵（二者的位置、角度等关系）。

二. 仿射变换的第一种方式

1、仿射变换的大致流程：

① 通过hom_mat2d_identity初始化一个空的仿射变换矩阵（即[1.0, 0.0, 0.0, 0.0, 1.0, 0.0]）；

② 在初始化空的仿射矩阵中增加模板和目标之间的平移、旋转和缩放关系，用到的算子包括hom_mat2d_translate（平移）、hom_mat2d_rotate（旋转）、hom_mat2d_scale（缩放）等生成仿射变换矩阵（这几个算子可以叠加或者重复使用）

③ 得到模板和目标的仿射变换矩阵之后，可以对图像、区域或XLD执行仿射变换，用到的算子包括affine_trans_image（仿射图像）、affine_trans_region（仿射区域）、affine_trans_contour_xld（仿射轮廓）。

实际应用中，我们求仿射矩阵的目的一般是在匹配时，找到目标对象的模板轮廓并显示到图像上，便于观察确认匹配的准确度。

2、仿射变换用到的核心代码：

函数1：hom_mat2d_identity( : : HomMat2D)

功能：初始化一个空的仿射变换矩阵

参数：
HomMat2D（in）：输入一个空的仿射变换矩阵

函数2：hom_mat2d_translate( : : HomMat2D, Tx, Ty

功能：把模板和目标的平移关系添加到防射变换矩阵

参数：
HomMat2D（in）：空的仿射变换矩阵
Tx（in）：Row方向的平移量
Ty（in）：Column方向的平移量
HomMat2DTranslate（out）：输出平移变换矩阵

函数3：hom_mat2d_rotate( : : HomMat2D, Phi, Px, Py: HomMat2DRotate)：

功能：把模板和目标的角度关系添加到仿射变换矩阵

参数：
HomMat2D（in）：上面的平移仿射变换矩阵
Phi（in）：旋转角度（逆时针旋转（Phi>0），顺时针旋转（Phi）,单位弧度）
Px（in）：变换的固定点行坐标（Row值）。固定点是指以该点为支撑进行仿射变换 （这里是指围绕这点进行旋转）
Py（in）：变换的固定点列坐标（Col值）
HomMat2DRotate（out）：输出具有平移+旋转变换关系的二维矩阵

hom_mat2d_rotate里面Phi,Px, Py的取值需要注意一下，比如，需要对下图中的的黑色矩形框进行仿射变换校正，经图像处理得到矩形框的角度是-89，可以对图像旋转Phi = -1（顺时针转1）或Phi = 359（逆时针旋转359），Px = Width / 2（Row值，Width 代表图像宽），Py = Height / 2（Col值，Height 代表图像高）

函数4：hom_mat2d_scale( : : HomMat2D, Sx, Sy, Px, Py : HomMat2DScale)

功能：把模板和目标的缩放关系添加到仿射变换矩阵

参数：
HomMat2D（in）：上面的平移+旋转仿射变换矩阵
Sx（in）：Row方向的缩放系数（放大/缩小倍数）
Sy（in）：Col方向的缩放系数
Px（in）：缩放中心的Row值（基点）
Py（in）： 缩放中心的Col值
HomMat2DScale（out）：输出具有平移+旋转+缩放变换关系的二维矩阵

函数5：affine_trans_contour_xld( Contours : ContoursAffinTrans : HomMat2D : )

功能：对XLD轮廓进行二维仿射变换 (支持缩放，旋转，平移，斜切)

参数：
Contours（in）：XLD轮廓AContoursAffinTrans（out）：对XLD轮廓A仿射变换得到的XLD轮廓BHomMat2D（in）：

函数6：affine_trans_image( Image : ImageAffinTrans : HomMat2D, Interpolation, AdaptImageSize : )

功能：对图像进行二维仿射变换 (支持缩放、旋转、平移)

参数：
Image（in）：图像A
ImageAffinTrans（out）：对图像A进行仿射变换得到图像BHomMat2D（in）：仿射变换矩阵
Interpolation（in）： 插值算法(nearest_neighbor，bilinear,constant，weighted)
AdaptImageSize（in）：结果图像尺寸是否自适应。默认值：false

函数7：affine_trans_region( Region : RegionAffineTrans : HomMat2D, Interpolate : )

功能：对区域进行二维仿射变换 (支持缩放、旋转、平移)

参数：
Region（in）：输入区域ARegionAffineTrans（out）：仿射变换得到的区域BHomMat2D（in）：仿射变换矩阵
Interpolate（in）： 插值算法（constant，nearest_neighbor）默认值：nearest_neighbor。

3、仿射变换实战解析（模板匹配）：

*创建模板
read_image (Image, 'D:/Data/3.jpg')
gen_rectangle1 (ModelRegion, 534.692, 581.663, 618.315, 621.485)
reduce_domain (Image, ModelRegion, TemplateImage)
create_shape_model (TemplateImage, 6, rad(0), rad(360), rad(0.2684), ['none','no_pregeneration'], 'use_polarity', [24,36,5], 4, ModelID)
area_center (ModelRegion, ModelRegionArea, AlignmentRow, AlignmentCol)

*显示模板轮廓
get_shape_model_contours (ModelContours, ModelID, 1)
* Matching 01: Get the reference position
area_center (ModelRegion, ModelRegionArea, RefRow, RefColumn)
vector_angle_to_rigid (0, 0, 0, RefRow, RefColumn, 0, HomMat2D)
affine_trans_contour_xld (ModelContours, TransContours, HomMat2D)

*开始读图匹配
TestImages := ['C:/Users/Administrator/Desktop/3.9/11111111.1.jpg']
for T := 0 to 0 by 1
    read_image (Image, TestImages[T])
    find_shape_model (Image, ModelID, rad(0), rad(360), 0.9, 0, 0.5, ['least_squares','max_deformation 6'], [6,1], 1, Row, Column, Angle, Score)
    dev_display (Image)
    for I := 0 to |Score| - 1 by 1
        hom_mat2d_identity (HomMat2D)
        hom_mat2d_rotate (HomMat2D, Angle[I], 0, 0, HomMat2D)
        hom_mat2d_translate (HomMat2D, Row[I], Column[I], HomMat2D)
        affine_trans_contour_xld (ModelContours, TransContours, HomMat2D)
        dev_set_color ('green')
        dev_display (TransContours)
        stop ()
    endfor
endfor
stop ()
clear_shape_model (ModelID)

代码解析：

创建模板：

这里要注意的是，创建模板之后模板的位置变为（0,0），模板的当前角度也默认为0，在图像的左上角位置。

显示模板轮廓：

这里在获取模板轮廓自身的仿射矩阵中：vector_angle_to_rigid (0, 0, 0, RefRow, RefColumn, 0, HomMat2D)参数是(0，0，0)的原因是因为在创建模板之后会自动将模板的位置和当前角度都为0，即模板是在窗口的左上角的，我们需要做的是将左上角的初始模板（0，0，0）仿射到图像中的模板位置，并显示出来。

读图、匹配模板，对模板轮廓进行仿射变换：

①hom_mat2d_identity创建一个初始化矩阵

②利用hom_mat2d_rotate，找到两者角度的差值。注意是以hom_mat2d_rotate的第3、4参数为基准坐标点进行旋转，这里是先旋转在平移，所以是先以模板中心坐标（0，0）为基准进行旋转，旋转了Angle[I] - 0度，在平移。如果是先平移在旋转，则要以目标位置的中心坐标为基准进行旋转，这个要注意。

③利用hom_mat2d_translate算子输入目标和模板的坐标差值，Row[I] - 0，Column[I] - 0，生成平移矩阵 HomMat2D

上面三步的目的就为了要这个旋转平移矩阵HomMat2D

④使用affine_trans_contour_xld就可以对模板轮廓A进行仿射变换，仿射到新图像的模板位置处。

三. 仿射变换的第二种方式

有时候，并不需要创建初始化矩阵也可以执行仿射变换，例如我们在上面实例中显示模板轮廓用到的仿射变换vector_angle_to_rigid算子就是如此，该算子的作用是生成一个平移、旋转仿射变换矩阵。

1、核心算子

函数：affine_trans_region( : : Row1, Column1, Angle1, Row2, Column2, Angle2

功能：根据点和角度计算刚性仿射变换矩阵，支持旋转和平移，相当于将hom_mat2d_translate和hom_mat2d_rotate算子功能进行了合并

参数：
Row1（in）：原始点行坐标
Column1（in）：原始点列坐标
Angle1（in）：原始点角度
Row2（in）：目标点行坐标
Column2（in）：目标点列坐标
Angle2（in）：目标点角度
HomMat2D（out）：输出仿射变换矩阵

该算子意思是：先将图像旋转，旋转角度为(Angle2 - Angle1) （逆时针为正）,旋转中心坐标是(Row1, Column1)。再将原图的点(Row1, Column1)一一对应移到点 (Row2, Column2)上，移动的row和column方向的位移分别是( Row2 - Row1)、( Column2 - Column1),该算子方便就方便在不用考虑旋转中心了，直接将前后的坐标和角度输入即可

vector_angle_to_rigid最常用到的场合一般是模板匹配之类的算法场合，通常用在find_shape_model等算子后面。

2、仿射变换实战解析（模板匹配）：对图像、region和XLD进行仿射变换

read_image (Image, 'D:/Data/1.jpg')
gen_rectangle1 (ModelRegion, 566.247, 490.534, 594.44, 535.676)
area_center (ModelRegion, Area, Row, Column)
reduce_domain (Image, ModelRegion, TemplateImage)
create_ncc_model (TemplateImage, 'auto', rad(0), rad(20), 'auto', 'use_polarity', ModelId)
find_ncc_model (Image, ModelId, rad(服务器托管网0), rad(20), 0.8, 5, 0.5, 'true', 0, MatchingRow, MatchingCol, MatchingAngle, MatchingScore)
for MatchingObjIdx := 0 to |MatchingScore| - 1 by 1
    gen_cross_contour_xld (TransContours, MatchingRow, MatchingCol, 20, MatchingAngle)
    dev_display (TransContours)
endfor
for MatchingObjIdx := 0 to |MatchingScore| - 1 by 1
vector_angle_to_rigid (Row, Column, 0, MatchingRow[MatchingObjIdx], MatchingCol[MatchingObjIdx], MatchingAngle[MatchingObjIdx], HomMat2D)
affine_trans_region (ModelRegion, RegionAffineTrans, HomMat2D, 'nearest_neighbor')
 *显示模式为“边界”，否则会显示整个实心矩形区域
 dev_set_draw ('margin')
 dev_display (RegionAffineTrans)
endfor

clear_ncc_model (ModelId)

效果和上面一样，都是通过引脚模板，找到芯片的所有引脚，就不放图了。

注：

1. 上面的例子roi区域是不带方向的，在灰度值匹配中，如果创建的是带方向的roi区域，create_ncc_model创建模板后，不管之前的roi区域是多少角度的，create_ncc_model函数内部都将角度默认为0的，所以在后面的仿射变换是vector_angle_to_rigid第三个参数应该为0，从0到匹配对象的角度。
2. 如果矩形框角度与找到的对象角度不匹配，需要修改create_ncc_model (Operator)的第3、4参数，即搜索的角度范围，一般直接设置0 — 360就可以了。
3. vector_angle_to_rigid(Operator)中，什么时候第一、二参数为0？
   一般我们在get_shape_model_contours获取模板轮廓时，halcon会默认将轮廓放置在窗口左上角，即中心坐标为(0,0)。这时我们仿射该模板轮廓进行显示的时候就需要将第一、二参数输出为0。

HHomMat2D HomMat2d;
HomMat2d.VectorAngleToRigid(0, 0, 0, row[0].D(), col[0].D(), rotate[0].服务器托管网D());
HXLDCont ho_ModelContour = m_model.GetShapeModelContours(1);
_resRgn = HomMat2d.AffineTransContourXld(ho_ModelContour);

服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net