将图像从笛卡尔转换为极地-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()

我正在使用的太阳能光盘：

我想知道是否有一种简单的方法将图像从笛卡尔转换为极性？

如以下示例：

或者像这样的例子：

出于某种原因，我在MATLAB中找到了许多示例，但在Python中还没有找到。我一直在从opencv看这个，但我不完全确定这是我想要的，因为我想保持原始图像/数组的大小。我知道转换为极坐标会“破坏”图像，但这很好，我想做的主要事情是测量太阳圆盘从中心到边缘的强度，绘制强度与半径的函数，以便我可以测量肢体变暗。

Answer 1

Scikit-image还提供了这些转换。请参阅skimage.transform.warp_polar。

注意，这确实引入了像素强度的插值。

另请参阅极性演示以了解使用示例。

Answer 2

您可以在终端中使用ImageMagick在命令行上进行极性笛卡尔失真-它安装在大多数Linux发行版上，适用于macOS和Windows：

convert sun.jpg +distort DePolar 0 result.jpg

这里有安东尼·蒂森的一些很好的提示和技巧。

Answer 3

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

代码：

import cv2
import numpy as np
 
source = cv2.imread('image_path', 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：