【计算机视觉】二、图像形成:1、向量和矩阵的基本运算:线性变换与齐次坐标

文章目录

  • 一、向量和矩阵的基本运算
    • 1、简单变换
      • 1. 平移变换
      • 2. 缩放变换
      • 3. 旋转变换
      • 4. 一般线性变换
    • 2、齐次坐标
      • 0. 齐次坐标表示
      • 1. 2D点的齐次坐标变换
      • 2. 投影空间 ( x , y , w ) (x, y, w) (x,y,w)
      • 3. 2D直线的齐次坐标表示
        • a. 直线的参数方程表示
        • b. 直线的法向量和原点距离表示
      • 4. 叉积算子
      • 5. 平行线可以相交

一、向量和矩阵的基本运算

1、简单变换

x = [ x y ] \boldsymbol{x} =\begin{bmatrix}x\\y\end{bmatrix} x=[xy]

1. 平移变换

[ x ′ y ′ ] = [ x y ] + [ a b ] \begin{bmatrix}x'\\y'\end{bmatrix} = \begin{bmatrix}x\\y\end{bmatrix} + \begin{bmatrix}a\\b\end{bmatrix} [xy]=[xy]+[ab]
  将向量 [ a b ] \begin{bmatrix}a\\b\end{bmatrix} [ab]加到 [ x y ] \begin{bmatrix}x\\y\end{bmatrix} [xy]上,得到平移后的新向量 [ x ′ y ′ ] = [ x + a y + b ] \begin{bmatrix}x'\\y'\end{bmatrix} = \begin{bmatrix}x+a\\y+b\end{bmatrix} [xy]=[x+ay+b]。其中 a a a b b b分别为x方向和y方向的平移量

2. 缩放变换

[ x ′ y ′ ] = [ s x 0 0 s y ] [ x y ] = [ s x x s y y ] \begin{bmatrix}x'\\y'\end{bmatrix} = \begin{bmatrix}s_x & 0\\0 & s_y\end{bmatrix}\begin{bmatrix}x\\y\end{bmatrix} = \begin{bmatrix}s_xx\\s_yy\end{bmatrix} [xy]=[sx00sy][xy]=[sxxsyy]
  通过缩放矩阵 [ s x 0 0 s y ] \begin{bmatrix}s_x & 0\\0 & s_y\end{bmatrix} [sx00sy]乘以 [ x y ] \begin{bmatrix}x\\y\end{bmatrix} [xy],可以得到缩放后的向量 [ x ′ y ′ ] = [ s x x s y y ] \begin{bmatrix}x'\\y'\end{bmatrix} = \begin{bmatrix}s_xx\\s_yy\end{bmatrix} [xy]=[sxxsyy]。其中 s x s_x sx s y s_y sy分别为x方向和y方向的缩放比例

3. 旋转变换

[ x ′ y ′ ] = [ cos ⁡ θ − sin ⁡ θ sin ⁡ θ cos ⁡ θ ] [ x y ] \begin{bmatrix}x'\\y'\end{bmatrix} = \begin{bmatrix}\cos\theta & -\sin\theta\\\sin\theta & \cos\theta\end{bmatrix}\begin{bmatrix}x\\y\end{bmatrix} [xy]=[cosθsinθsinθcosθ][xy]
  通过旋转矩阵 [ cos ⁡ θ − sin ⁡ θ sin ⁡ θ cos ⁡ θ ] \begin{bmatrix}\cos\theta & -\sin\theta\\\sin\theta & \cos\theta\end{bmatrix} [cosθsinθsinθcosθ]乘以 [ x y ] \begin{bmatrix}x\\y\end{bmatrix} [xy],可以得到绕原点逆时针旋转 θ \theta θ角度后的向量 [ x ′ y ′ ] \begin{bmatrix}x'\\y'\end{bmatrix} [xy]

4. 一般线性变换

[ x ′ y ′ ] = [ a b c d ] [ x y ] = [ a x + b y c x + d y ] \begin{bmatrix}x'\\y'\end{bmatrix} = \begin{bmatrix}a & b\\c & d\end{bmatrix}\begin{bmatrix}x\\y\end{bmatrix} = \begin{bmatrix}ax+by\\cx+dy\end{bmatrix} [xy]=[acbd][xy]=[ax+bycx+dy]
  通过一个2x2变换矩阵 [ a b c d ] \begin{bmatrix}a & b\\c & d\end{bmatrix} [acbd]乘以 [ x y ] \begin{bmatrix}x\\y\end{bmatrix} [xy],可以得到一个新的变换后向量 [ x ′ y ′ ] = [ a x + b y c x + d y ] \begin{bmatrix}x'\\y'\end{bmatrix} = \begin{bmatrix}ax+by\\cx+dy\end{bmatrix} [xy]=[ax+bycx+dy],这个变换矩阵可以表示缩放、旋转、错切等线性变换的组合

2、齐次坐标

0. 齐次坐标表示

  在使用齐次坐标表示时,我们将n维欧几里得空间中的点 ( x 1 , x 2 , … , x n ) (x_1, x_2, \dots, x_n) (x1,x2,,xn)表示为 ( n + 1 ) (n+1) (n+1)维的齐次坐标形式 ( x 1 , x 2 , … , x n , 1 ) (x_1, x_2, \dots, x_n, 1) (x1,x2,,xn,1),在原始坐标的基础上添加一个1作为最后一个分量。

  • 将2D点用齐次坐标 [ x y 1 ] \begin{bmatrix}x\\y\\1\end{bmatrix} xy1表示,即在笛卡尔坐标 [ x y ] \begin{bmatrix}x\\y\end{bmatrix} [xy]的基础上添加一个1作为最后一个分量;
  • 将3D点用齐次坐标 [ x y z 1 ] \begin{bmatrix}x\\y\\z\\1\end{bmatrix} xyz1表示,即在笛卡尔坐标 [ x y z ] \begin{bmatrix}x\\y\\z\end{bmatrix} xyz的基础上添加一个1作为最后一个分量。

1. 2D点的齐次坐标变换

  • 变换矩阵:
    [ a b c d e f 0 0 1 ] \begin{bmatrix}a & b & c\\d & e & f\\0 & 0 & 1\end{bmatrix} ad0be0cf1

  • 变换结果
    [ x ′ y ′ 1 ] = [ a b c d e f 0 0 1 ] [ x y 1 ] = [ a x + b y + c d x + e y + f 1 ] \begin{bmatrix}x'\\y'\\1\end{bmatrix} = \begin{bmatrix}a & b & c\\d & e & f\\0 & 0 & 1\end{bmatrix}\begin{bmatrix}x\\y\\1\end{bmatrix}=\begin{bmatrix}ax+by+c\\dx+ey+f\\1\end{bmatrix} xy1=ad0be0cf1xy1=ax+by+cdx+ey+f1

该变换矩阵包含了三个部分:

  • 平移分量 [ c f ] \begin{bmatrix}c\\f\end{bmatrix} [cf]
  • 旋转分量( [ a b d e ] \begin{bmatrix}a & b\\d & e\end{bmatrix} [adbe]构成的2x2子矩阵)
  • 缩放分量(a, b, d, e的大小)
    • 当这些元素的值大于1时,会放大相应方向的坐标;小于1时,会缩小。

2. 投影空间 ( x , y , w ) (x, y, w) (x,y,w)

  引入一个三维投影空间,由 x x x y y y w w w三个坐标构成,用 [ x y w ] \begin{bmatrix}x\\y\\w\end{bmatrix} xyw表示。
其中 w = 0 w=0 w=0表示无穷远的点,即所有投影线的汇聚点所在位置。
在这里插入图片描述

  • 左图展示了透视投影(Perspective projection)的情况,所有投影线从场景中的点汇聚于一个无穷远点,这种投影方式可以提供深度信息和真实的景深感。
    • 透视投影可以提供更真实的视觉效果,表达式为:

[ x ′ y ′ w ′ ] = [ a b c d e f g h i ] [ x y w ] \begin{bmatrix}x'\\y'\\w'\end{bmatrix} = \begin{bmatrix}a&b&c\\d&e&f\\g&h&i\end{bmatrix}\begin{bmatrix}x\\y\\w\end{bmatrix} xyw=adgbehcfixyw

  • 右图展示了正交投影(Orthographic projection)的情况,投影线都是平行的,没有汇聚点,无法获得真实的景深感,但可以保持投影后物体的形状不变形。
    • 正交投影常用于工程制图等需要保持形状的场合,表达式为:
      [ x ′ y ′ w ′ ] = [ a b 0 c d 0 0 0 1 ] [ x y w ] \begin{bmatrix}x'\\y'\\w'\end{bmatrix} = \begin{bmatrix}a&b&0\\c&d&0\\0&0&1\end{bmatrix}\begin{bmatrix}x\\y\\w\end{bmatrix} xyw=ac0bd0001xyw

  这种投影空间和投影变换在计算机图形学中被广泛使用,用于将三维物体投影到二维平面上进行显示。

3. 2D直线的齐次坐标表示

a. 直线的参数方程表示

l = ( a , b , c ) x ⋅ l = a x + b y + c = 0 l = (a, b, c)\\x\cdot l = ax + by + c = 0 l=(a,b,c)xl=ax+by+c=0其中 ( a , b , c ) (a, b, c) (a,b,c)是直线的系数,任意一点 ( x , y ) (x, y) (x,y)代入方程,结果为0,则该点位于该直线上。

b. 直线的法向量和原点距离表示

在这里插入图片描述

l = ( n x , n y , d ) = ( n ⃗ , d ) with  ∥ n ⃗ ∥ = 1 l = (n_x, n_y, d) = (\vec{n}, d) \quad \text{with} \ \|\vec{n}\| = 1 l=(nx,ny,d)=(n ,d)with n =1其中 n ⃗ = ( n x , n y ) = ( cos ⁡ θ , sin ⁡ θ ) \vec{n} = (n_x, n_y) = (\cos\theta, \sin\theta) n =(nx,ny)=(cosθ,sinθ)表示直线的法向量,即垂直于直线方向的单位向量, d d d表示直线到原点的有符号距离。

这种表示直观地描述了直线的性质:

  • n ⃗ \vec{n} n 给出了直线的方向
  • d d d给出了直线到原点的距离,取正负号表示直线在原点的两侧

法向量和原点距离表示对于直线的各种几何运算都很有用,例如求直线交点、判断点和直线的位置关系等。通过矩阵变换,可以很自然地对直线进行旋转、平移等操作。

4. 叉积算子

  1. 两条直线的表示:
    给定两条直线 l ~ 1 \tilde{l}_1 l~1 l ~ 2 \tilde{l}_2 l~2的齐次坐标表示。
  2. 交点的计算:
    两条直线 l ~ 1 \tilde{l}_1 l~1 l ~ 2 \tilde{l}_2 l~2的交点 x ~ \tilde{x} x~可以通过它们的外积(叉积)求得:
    x ~ = l ~ 1 × l ~ 2 \tilde{x} = \tilde{l}_1 \times \tilde{l}_2 x~=l~1×l~2
    其中,外积的计算方式为:
    l ~ 1 = ( x ~ 1 , y ~ 1 , a ~ 1 ) \tilde{l}_1 = (\tilde{x}_1, \tilde{y}_1, \tilde{a}_1) l~1=(x~1,y~1,a~1) l ~ 2 = ( x ~ 2 , y ~ 2 , a ~ 2 ) \tilde{l}_2 = (\tilde{x}_2, \tilde{y}_2, \tilde{a}_2) l~2=(x~2,y~2,a~2) x ~ = l ~ 1 × l ~ 2 = \tilde{x} = \tilde{l}_1 \times \tilde{l}_2 = x~=l~1×l~2=

这种利用直线的齐次坐标表示求交点的方法,可以自然地推广到三维空间,求两条三维直线或平面的交点。同理,在三维情况下,交点坐标为两个直线或平面的齐次坐标外积。

5. 平行线可以相交

  • 两条直线在非齐次坐标系下的方程组表示:
    { A x + B y + C = 0 A x + B y + D = 0 \begin{cases} Ax + By + C = 0\\ Ax + By + D = 0 \end{cases} {Ax+By+C=0Ax+By+D=0
  • 将这两条直线方程转换为齐次坐标表示:
    { A x w + B y w + C = 0 A x w + B y w + D = 0 ⟺ { A x + B y + C w = 0 A x + B y + D w = 0 \begin{cases} A \dfrac{x}{w} + B \dfrac{y}{w} + C = 0\\ A \dfrac{x}{w} + B \dfrac{y}{w} + D = 0 \end{cases} \quad\iff\quad \begin{cases} Ax + By + Cw = 0\\ Ax + By + Dw = 0 \end{cases} Awx+Bwy+C=0Awx+Bwy+D=0{Ax+By+Cw=0Ax+By+Dw=0

在这种表示下,两条直线的齐次坐标分别为 ( A , B , C ) (A, B, C) (A,B,C) ( A , B , D ) (A, B, D) (A,B,D)

  • 通过分析可以发现,当 w = 0 w=0 w=0时,对应的是无穷远点,两条直线在这个点处相交

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/745743.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

深度解析Elasticsearch索引数据量过大的优化与部署策略

✨✨谢谢大家捧场,祝屏幕前的小伙伴们每天都有好运相伴左右,一定要天天开心哦!✨✨ 🎈🎈作者主页: 喔的嘛呀🎈🎈 目录 引言 1. 分片和副本策略 1.1分片策略 1.1.1 数据量 1.1.…

sqllab第二十一关通关笔记

知识点: 错误注入 最大长度为32超过需要利用截取函数分段读取cookie注入base64加密会保留符号的原始属性 通过admin admin进行登录发现和第二十关显示的内容一样,猜测应该还是cookie注入; 直接截取带有cookie的数据包,发现uname…

【计算机网络】概述

文章目录 一、Internet 因特网1.1 网络、互联网、因特网1.2 因特网的组成 二、三种交换方式2.1 电路交换 (Circuit Switching)2.2 *分组交换 (Packet Switching)2.3 报文交换 (Message Switching) 三、计算…

100W-150W电阻器-TO-247模压厚膜电阻(1)

EAK封装的TO-247功率电阻器为设计工程师提供稳定的晶体管式封装的大功率电阻器件,功率为100W-150W。这些电阻器专为需要精度和稳定性的应用而设计。该电阻器采用氧化铝陶瓷层设计,可将电阻元件和安装片分开。 EAK模压TO-247厚膜功率电阻器 这种结构提供了…

Redis基本使用

Redis基本使用 1.通用命令2.基本数据类型2.1 String2.2 Hash2.3 List2.4 Set2.5 SortedSet 3. SpringDataRedis3.1 简介3.2 快速代码示例3.3 序列化 1.通用命令 针对所有数据类型的操作可以在Redis官方文档查看。以下是通用的命令。 KEYS:查看符合模板的所有key D…

React——react 的基本使用

前提:安装全局的脚手架,通过create-creat-app 项目名,我们创建好一个新项目,cd进去,通过npm start去运行该项目 注意:简单看下demo的配置,在根目录我们可以看到,没有任何webpack的…

rviz上不显示机器人模型(模型只有白色)

文档中的是base_footprint,需要根据自己所设的坐标系更改,我的改为base_link 如何查看自己设的坐标系: 这些parent父坐标系就是 同时打开rviz后需要更改成base_link

20232831 2023-2024-2 《网络攻防实践》第2次作业

目录 20232831 2023-2024-2 《网络攻防实践》第2次作业1.实验内容2.实验过程3.学习中遇到的问题及解决4.学习感悟、思考等参考资料 20232831 2023-2024-2 《网络攻防实践》第2次作业 1.实验内容 (1)从www.csdn.net、www.163.com等中选择一个DNS域名进行…

结构设计模式 - 组合设计模式 - JAVA

组合设计模式 一. 介绍二.代码示例2.1 定义Component2.2 定义Leaf2.3 定义Composite 三. 参考案例 前言 这是我在这个网站整理的笔记,有错误的地方请指出,关注我,接下来还会持续更新。 作者:神的孩子都在歌唱 一. 介绍 由不同的对象组合成一个…

OSI(Open Systems Interconnection)模型和TCP/IP模型

OSI模型 OSI模型是一个概念模型,由国际标准化组织(ISO)在1984年提出,用于促进不同系统间的通信互联。OSI模型将网络通信的过程分为七层,每一层都有其特定的功能,从下至上依次是: 物理层&#x…

【机器学习智能硬件开发全解】(四)—— 政安晨:嵌入式系统基本素养【后摩尔时代】

随着物联网、大数据、人工智能时代的到来,海量的数据分析、大量复杂的运算对CPU的算力要求越来越高。 CPU内部的大部分资源用于缓存和逻辑控制,适合运行具有分支跳转、逻辑复杂、数据结构不规则、递归等特点的串行程序。 在集成电路工艺制程将要达到极…

一个H5页面中直接使用React的示例与说明

示例 如题&#xff0c;下面的个简单代码示例—在H5页面中直接使用React <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0&q…

Pytorch从零开始实战21

Pytorch从零开始实战——Pix2Pix理论与实战 本系列来源于365天深度学习训练营 原作者K同学 文章目录 Pytorch从零开始实战——Pix2Pix理论与实战内容介绍数据集加载模型实现开始训练总结 内容介绍 Pix2Pix是一种用于用于图像翻译的通用框架&#xff0c;即图像到图像的转换。…

【数学】【计算几何】1453. 圆形靶内的最大飞镖数量

作者推荐 视频算法专题 本文涉及知识点 数学 计算几何 LeetCoce:1453. 圆形靶内的最大飞镖数量 Alice 向一面非常大的墙上掷出 n 支飞镖。给你一个数组 darts &#xff0c;其中 darts[i] [xi, yi] 表示 Alice 掷出的第 i 支飞镖落在墙上的位置。 Bob 知道墙上所有 n 支飞…

分布式之网关Gateway

Spring Cloud Gateway 1、网关简介 网关作为流量的入口&#xff0c;常用的功能包括路由转发&#xff0c;权限校验&#xff0c;限流等。 2、Gateway简介 Spring Cloud Gateway 是Spring Cloud官方推出的第二代网关框架&#xff0c;定位于取代 Netflix Zuul。相比 Zuul 来说&…

抖音在线点赞任务发布接单运营平台PHP网站源码

源码简介 抖音在线点赞任务发布接单运营平台PHP网站源码 多个支付通道分级会员制度 介绍&#xff1a; 1、三级代理裂变&#xff0c;静态返佣/动态返佣均可设置。&#xff08;烧伤制度&#xff09;。 2、邀请二维码接入防红跳转。 3、自动机器人做任务&#xff0c;任务时间…

软考高级:信息系统分类-业务处理系统(TPS)概念和例题

作者&#xff1a;明明如月学长&#xff0c; CSDN 博客专家&#xff0c;大厂高级 Java 工程师&#xff0c;《性能优化方法论》作者、《解锁大厂思维&#xff1a;剖析《阿里巴巴Java开发手册》》、《再学经典&#xff1a;《Effective Java》独家解析》专栏作者。 热门文章推荐&am…

创新发展,探索智慧园区平台架构设计与实现

随着信息技术的快速发展&#xff0c;智慧园区平台作为集成物联网、大数据、人工智能等技术的综合性服务平台&#xff0c;正逐步成为推动企业数字化转型的重要驱动力。本文将深入探讨智慧园区平台的架构设计思路、关键技术和应用场景&#xff0c;助力读者了解如何打造智慧化、协…

C# 连接neo4j数据库,包括非默认的neo4j默认库

官方文档没找见&#xff0c;自己在源码里面找到的 private string _dbHost "bolt://localhost:7687"; private string _dbUser "neo4j"; private string _dbPassword "******"; private IDriver? _driver;public CQLOperation(string _data…

【微服务-Nacos】Nacos集群的工作原理及集群间数据同步过程

上篇文章我们介绍了Nacos集群的搭建方法及步骤&#xff0c;下面我们来看一下Nacos集群的工作原理&#xff0c;一共有两部分&#xff1a;Leader节点选举及各节点数据同步。 1、Nacos集群中Leader节点是如何产生的 Nacos集群采用了Raft算法实现。它是一种比较简单的选举算法&am…