OpenCV 的
remap函数用于计算原始矩阵的差值版本，当需要将多次映射时需要多次使用remap函数，本文记录将多次remap合并的方法。
背景
考虑对图像做畸变校正的背景应用，对于一幅带有畸变的图像 I ，使用 OpenCV 的传统畸变校正流程后得到了畸变过程在 X, Y 方向上的两个畸变校正映射矩阵 map_x, map_y ；
但是可能这个畸变校正的结果仍然没有达到精度要求，需要在此基础上建立更加复杂的模型并求解，之后会得到在第一次映射图像基础上的第二次畸变校正映射矩阵 map_x’, map_y’ ；
那么此时的畸变校正流程为：
但是又不想畸变校正两次，于是需要将两次映射合并成一个等效
实现思路
在 remap 函数中 X,Y 是解耦的，也就是 X 一个矩阵，Y 一个矩阵，于是在求解 map^e 时也同样可以分成 X,Y 两个独立的维度；
考虑 map_x ，其中记录的是新图像每个整数点位置对应原始图像的 X 方向坐标，大多数情况是浮点数，那么 map_x’ 做的事情就是在 map_x 的浮点坐标之间进行进一步插值，那么事实上直接用 map_x’, map_y’ remap map_x ，得到的结果就是 map^e_x ，同理可以求得 map^e_y ；
Python 实现
示例代码：
代码语言：javascript复制import mtutils as mt
import cv2
if __name__ == '__main__':
map_x = cv2.imread('map_x.tiff', cv2.IMREAD_UNCHANGED)
map_y = cv2.imread('map_y.tiff', cv2.IMREAD_UNCHANGED)
map_x_opencv = cv2.imread('map_x_opencv.tiff', cv2.IMREAD_UNCHANGED)
map_y_opencv = cv2.imread('map_y_opencv.tiff', cv2.IMREAD_UNCHANGED)
# 生成等效 map
new_map_x = cv2.remap(map_x_opencv, map_x, map_y, cv2.INTER_LINEAR)
new_map_y = cv2.remap(map_y_opencv, map_x, map_y, cv2.INTER_LINEAR)
mt.cv_rgb_imwrite(new_map_x, 'merge_map_x.tiff')
mt.cv_rgb_imwrite(new_map_y, 'merge_map_y.tiff')
img = mt.cv_rgb_imread('test.png', 1)
frame1 = cv2.remap(img, new_map_x, new_map_y, cv2.INTER_LINEAR)
frame2 = cv2.remap(img.astype('float32'), map_x_opencv, map_y_opencv, cv2.INTER_LINEAR)
frame2 = cv2.remap(frame2, map_x, map_y, cv2.INTER_LINEAR)
frame2 = frame2.astype('uint8')
pass需要注意的是，我在用这个方法生成等效 map 时，得到的 frame1 和 frame2 并不完全相同，在很多地方存在微小差异，但是经过评估，直接叠加得到的等效 map 的性能更好。
文章链接：
https://cloud.tencent.com/developer/article/2266260
