Opencv 学习笔记：remap 实现图像映射（缩放 / 对称 / 旋转）

图像映射（remap）是 OpenCV 中灵活调整图像像素位置的核心操作，通过自定义像素坐标映射规则，可实现图像缩放、对称、旋转等效果。本文用极简代码演示 remap 的基础用法，新手可快速掌握自定义映射逻辑。

核心代码实现

python 复制代码

import cv2 as cv
import numpy as np

# 1. 读取图像并校验
src = cv.imread(".\image\1.bmp")
if src is None:
    print('could not load image')
    exit()
rows, cols, channels = src.shape  # 获取图像尺寸：行(高)、列(宽)、通道数

# 2. 创建映射矩阵（float32类型，与原图尺寸一致）
img_x = np.zeros((rows, cols), np.float32)  # x轴（列）映射矩阵
img_y = np.zeros((rows, cols), np.float32)  # y轴（行）映射矩阵

# 3. 遍历每个像素，定义映射规则（按需注释/启用不同效果）
for y in range(rows):
    for x in range(cols):
        # 效果1：缩小一半（需注释其他效果）
        # img_x[y, x] = 2 * (x - cols * 0.25)
        # img_y[y, x] = 2 * (y - rows * 0.25)
        
        # 效果2：左右对称（镜像）
        # img_x[y, x] = cols - x - 1
        # img_y[y, x] = y
        
        # 效果3：上下对称
        # img_x[y, x] = x
        # img_y[y, x] = rows - y - 1
        
        # 效果4：中心旋转180°
        img_x[y, x] = cols - x - 1
        img_y[y, x] = rows - y - 1

# 4. 执行图像映射（线性插值，保证过渡平滑）
dst = cv.remap(src, img_x, img_y, cv.INTER_LINEAR)

# 5. 显示原图与映射结果
cv.imshow('outimage1(原图)', src)
cv.imshow('outimage2(映射后)', dst)

cv.waitKeyEx(0)
cv.destroyAllWindows()

关键知识点解析

1. remap 核心逻辑

映射矩阵 ：img_x[y,x]表示目标图像 (y,x) 位置的像素，来源于原图的img_x[y,x]列；img_y[y,x]对应原图的行；
数据类型 ：映射矩阵必须为float32，否则会导致映射失效；
插值方式 ：cv.INTER_LINEAR（线性插值）是默认最优选择，保证映射后图像无锯齿，也可选用cv.INTER_NEAREST（最近邻插值，速度更快但效果粗糙）。

2. 常用映射规则拆解

效果	映射公式	原理说明
左右对称	`img_x=cols-x-1; img_y=y`	列坐标取反，行坐标不变
上下对称	`img_x=x; img_y=rows-y-1`	行坐标取反，列坐标不变
180° 旋转	`img_x=cols-x-1; img_y=rows-y-1`	行列坐标同时取反
缩小一半	`img_x=2(x-cols0.25)`	坐标缩放 + 偏移，避免图像偏移

3. 避坑与优化技巧

坐标偏移 ：缩放映射时需添加偏移量（如cols*0.25），否则图像会偏离画布；
遍历效率 ：双层 for 循环效率较低，可改用np.meshgrid生成映射矩阵，大幅提升速度：

python

运行
复制代码
```
x, y = np.meshgrid(np.arange(cols), np.arange(rows))
img_x = cols - x - 1  # 直接批量赋值，替代循环
img_y = y
```
边界处理：映射后超出原图范围的像素会填充为 0（黑色），可通过调整映射公式避免。

总结

remap 的核心是自定义img_x/img_y映射矩阵，定义目标像素的原图坐标来源；
映射矩阵必须为 float32 类型，插值方式优先选 INTER_LINEAR；
常用对称 / 旋转效果可通过行列坐标取反实现，缩放需配合偏移量避免图像偏移。