将图像从笛卡尔坐标转换为极坐标 - 肢体变暗

Question

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('C:\\Users\\not my user name\\Desktop\\20140505_124500_4096_HMIIC.jpg', 0)

norm_image = cv2.normalize(img, dst=None, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_32F)

plt.imshow(norm_image, cmap='afmhot', interpolation='bicubic')
plt.xticks([]), plt.yticks([])
plt.show()

我正在使用的太阳圆盘：

我想知道是否有一种简单的方法可以将图像从笛卡尔坐标转换为极坐标？

像这个例子：

或者像这个例子：

出于某种原因，我在 MATLAB 中找到了很多示例，但在 Python 中还没有找到。我一直在查看this from opencv，但我不完全确定这是我想要的，因为我想保留原始图像/数组大小。我知道转换为极坐标会“扭曲”图像，但这很好，我想做的主要事情是测量从中心到边缘的太阳圆盘的强度，绘制强度与半径的函数，所以我可以测量肢体变黑。

Answer 1

OpenCV 具有将图像从笛卡尔形式转换为极坐标的功能，反之亦然。由于您需要将图像转换为极坐标形式，因此可以采用以下方式：

代码：

import cv2
import numpy as np

source = cv2.imread('C:/Users/selwyn77/Desktop/sun.jpg', 1)

#--- ensure image is of the type float ---
img = source.astype(np.float32)

#--- the following holds the square root of the sum of squares of the image dimensions ---
#--- this is done so that the entire width/height of the original image is used to express the complete circular range of the resulting polar image ---
value = np.sqrt(((img.shape[0]/2.0)**2.0)+((img.shape[1]/2.0)**2.0))

polar_image = cv2.linearPolar(img,(img.shape[0]/2, img.shape[1]/2), value, cv2.WARP_FILL_OUTLIERS)

polar_image = polar_image.astype(np.uint8)
cv2.imshow("Polar Image", polar_image)

cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

Answer 2

您可以在终端中使用 ImageMagick 在命令行中进行极坐标-笛卡尔失真 - 它安装在大多数 Linux 发行版上，并且适用于 macOS 和 Windows：

convert sun.jpg +distort DePolar 0 result.jpg

Anthony Thyssen here 提供了一些出色的提示和技巧。

Answer 3

scikit-image 也提供了这些方面的转换。见skimage.transform.warp_polar。

注意，这确实引入了像素强度的插值。

有关用法示例，另请参阅polar demo。