python - 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()

我正在使用的太阳能圆盘:

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，但我还没有在 Python 中找到一个示例。我一直在看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“搞砸”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，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形式的函数，反之亦然。由于需要将图片转为极坐标形式，可以采用以下方式:

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: