使用 OpenCV 实现“随机镜面墙”——多镜片密铺的哈哈镜效果

1. 引言

"哈哈镜"是一种典型的图像变形效果,通过局部镜面反射产生扭曲的视觉趣味。在计算机视觉和图像处理领域,这类效果不仅有趣,还能用于艺术创作、交互装置、视觉特效等场景。

传统的"哈哈镜"往往是针对整张图像做某种镜像或扭曲变换,而如果我们将图像划分为多个小镜片,每个镜片独立做镜面反射,拼成一面"镜子墙",效果更丰富,也更具创意。

本文将介绍如何使用 Python 和 OpenCV 实现这样一种"随机镜面墙"效果:

  • 在图像上随机生成多个点,利用三角剖分将图像切成多个小三角形面片(镜片)。

  • 对每个镜片分别以其重心为中心做局部镜面反射变换。

  • 最后将所有变换后的镜片无缝拼接,形成一幅由多个镜面组成的"哈哈镜"墙。


2. 基础准备:OpenCV 简介

OpenCV 是一个开源的计算机视觉库,提供了丰富的图像处理功能,如图像读取、变换、绘制等。

本案例中,主要用到的功能包括:

  • cv2.fillConvexPoly:绘制多边形掩码

  • cv2.boundingRect:获取多边形的最小外接矩形

  • cv2.warpAffine:仿射变换实现局部镜像

  • NumPy 进行数组和坐标操作


3. 设计思路

3.1 随机采样点 + 边界点

在图像区域内随机采样若干点(50~100个),并额外加入图像四个角点,确保后续切割覆盖整幅图。

3.2 Delaunay 三角剖分密铺

使用 SciPy 的 Delaunay 对采样点做三角剖分,得到一组不重叠的三角形面片,组成密铺。

3.3 计算三角形重心

对每个三角形顶点坐标求均值,得到重心作为局部镜面的"反射中心"。

3.4 局部镜面反射变换

以三角形重心为中心,利用仿射变换矩阵实现水平或垂直镜像(或旋转+镜像)。

  • 例如水平镜像矩阵为:

M=[−102cx010]M = \begin{bmatrix} -1 & 0 & 2c_x \\ 0 & 1 & 0 \end{bmatrix}M=[−10​01​2cx​0​]

其中 cxc_xcx​ 是重心的水平坐标(相对于当前ROI局部坐标)。

3.5 裁剪与拼接

  • 对每个三角形计算外接矩形,裁剪图像和掩码。

  • 将镜像变换后的结果放回对应位置,只覆盖三角形区域。


4. 关键代码示例

复制代码
import cv2
import numpy as np
from scipy.spatial import Delaunay

class FrameObject:
    def __init__(self):
        pass

    def do(self, frame, device):
        h, w = frame.shape[:2]

        # 生成随机点 + 添加四角
        num_points = np.random.randint(50, 101)
        points = np.random.randint(0, [w, h], size=(num_points, 2))
        corners = np.array([[0,0], [w-1,0], [w-1,h-1], [0,h-1]])
        points = np.vstack((points, corners))

        # Delaunay 三角剖分
        tri = Delaunay(points)
        triangles = points[tri.simplices]

        result = np.zeros_like(frame)

        for tri_pts in triangles:
            # 创建掩码,绘制三角形
            mask = np.zeros((h, w), dtype=np.uint8)
            cv2.fillConvexPoly(mask, tri_pts, 255)

            # 计算重心
            centroid = np.mean(tri_pts, axis=0)

            # 裁剪ROI区域
            x, y, bw, bh = cv2.boundingRect(tri_pts)
            roi = frame[y:y+bh, x:x+bw]
            mask_roi = mask[y:y+bh, x:x+bw]

            # 转换重心到ROI局部坐标系
            cx, cy = centroid - np.array([x, y])

            # 构造水平镜像仿射矩阵
            M = np.array([
                [-1, 0, 2*cx],
                [0, 1, 0]
            ], dtype=np.float32)

            # 对ROI做镜像变换
            warped = cv2.warpAffine(roi, M, (bw, bh), flags=cv2.INTER_LINEAR)

            # 利用掩码覆盖变换结果
            mask_bin = (mask_roi > 0)
            for c in range(frame.shape[2]):
                result[y:y+bh, x:x+bw, c][mask_bin] = warped[:, :, c][mask_bin]

        return result

5. 运行效果与拓展

  • 运行后你会看到画面被切割成许多小三角形镜片,每个镜片都经过水平镜像,组成丰富的镜面墙效果。

  • 可以将 M 变换矩阵换成垂直镜像、旋转镜像,甚至结合水波扭曲,做出更多变化。

  • 采样点数越多,镜片越细密,视觉越复杂。


6. 总结

本文介绍了如何结合 OpenCV 和 SciPy,基于随机采样点和 Delaunay 三角剖分,将图像划分为多个小镜片,并对每个镜片独立应用镜像变换,模拟"镜子墙"哈哈镜效果。

此方法不仅简单高效,还极具扩展性。你可以基于此框架增加更多变换模式、动态动画或实时视频处理,创造更多炫酷的视觉效果。


如果你喜欢这篇教程,欢迎点赞、收藏和留言交流!

更多图像处理技术,欢迎关注我的博客。

相关推荐
满怀1015几秒前
【Python正则表达式终极指南】从零到工程级实战
开发语言·python·正则表达式·自动化·文本处理·数据清晰
一个Potato12 分钟前
AI开发实习生面试总结(持续更新中...)
人工智能·python
风虎云龙科研服务器16 分钟前
从芯片互连到机器人革命:英伟达双线出击,NVLink开放生态+GR00T模型定义AI计算新时代
人工智能·机器人
qq_4369621820 分钟前
奥威BI:打破AI数据分析伪场景,赋能企业真实决策价值
人工智能·数据挖掘·数据分析·ai数据分析
Christo326 分钟前
LNCS-2009《Adaptive Sampling for $k$-Means Clustering》
人工智能·算法·机器学习·kmeans
_oP_i28 分钟前
poppler_path 是用于 Python 库如 pdf2image 进行 PDF 转换时
python
朝朝辞暮i41 分钟前
Python打卡5.23(day24)
python
AI.NET 极客圈1 小时前
AI与.NET技术实操系列(八):使用Catalyst进行自然语言处理
人工智能·自然语言处理·.net
AI.NET 极客圈1 小时前
AI与.NET技术实操系列(七):使用Emgu CV进行计算机视觉操作
人工智能·计算机视觉·.net
Cloud Traveler1 小时前
生成式 AI:解锁人类创造力的智能引擎
人工智能