Python中的快速笛卡尔到极坐标到笛卡尔

Question

我想在Python 2d数组/图像中转换成极坐标，然后进行处理，然后再将它们转换回笛卡尔坐标。以下是ImajeJPolar Transformer插件（用于示例代码的同心圆）的结果：

图像的数量和大小相当大，所以我在检查openCV是否有一个快速简单的方法来完成这项工作。

我读过简历。CartToPolar和PolarToCart但是我没有使用它。我更理解输入和输出是数组的LogPolar，以及可以设置中心、插值和反转（即CV_WARP_INVERSE_MAP）的地方。有没有类似的方式使用CartToPolar/PolarToCart？

    import numpy as np
    import cv

    #sample 2D array that featues concentric circles
    circlesArr = np.ndarray((512,512),dtype=np.float32)
    for i in range(10,600,10): cv.Circle(circlesArr,(256,256),i-10,np.random.randint(60,500),thickness=4)

    #logpolar
    lp = np.ndarray((512,512),dtype=np.float32)
    cv.LogPolar(circlesArr,lp,(256,256),100,cv.CV_WARP_FILL_OUTLIERS)

    #logpolar Inverse
    lpinv = np.ndarray((512,512),dtype=np.float32)
    cv.LogPolar(lp,lpinv,(256,256),100, cv.CV_WARP_INVERSE_MAP + cv.CV_WARP_FILL_OUTLIERS)

    #display images
    from scipy.misc import toimage
    toimage(lp, mode="L").show()
    toimage(lpinv, mode="L").show()

这是一个断层扫描（CT）的工作流程，环伪影可以更容易地过滤掉，如果他们出现的线。

Answer 1

最新版本的opencv支持一个函数cv2.linearPolar。 这可能是另一个不涉及使用opencv的解决方案：

def polar2cart(r, theta, center):

    x = r  * np.cos(theta) + center[0]
    y = r  * np.sin(theta) + center[1]
    return x, y

def img2polar(img, center, final_radius, initial_radius = None, phase_width = 3000):

    if initial_radius is None:
        initial_radius = 0

    theta , R = np.meshgrid(np.linspace(0, 2*np.pi, phase_width), 
                            np.arange(initial_radius, final_radius))

    Xcart, Ycart = polar2cart(R, theta, center)

    Xcart = Xcart.astype(int)
    Ycart = Ycart.astype(int)

    if img.ndim ==3:
        polar_img = img[Ycart,Xcart,:]
        polar_img = np.reshape(polar_img,(final_radius-initial_radius,phase_width,3))
    else:
        polar_img = img[Ycart,Xcart]
        polar_img = np.reshape(polar_img,(final_radius-initial_radius,phase_width))

    return polar_img