1 from scipy import *
   2 from scipy.ndimage import *
   3 from pylab import *
   4 from scipy import linalg
   5 
   6 
   7 def mapping_func((y,x)): # Uebergabe der Koordinaten als Tupel
   8         v0=array([y,x,1]).transpose()
   9         v1=dot(A,v0) # globale Variable A ist im Hauptprogramm deklariert
  10         return (v1[0],v1[1])
  11 
  12 def display(B,n,t,y00,x00,y01,x01,y02,x02):
  13         figure(n)
  14         imshow(B,origin='lower',interpolation='nearest')
  15         text(y00,x00,'y0,x0')
  16         text(y01,x01,'y1,x1')
  17         text(y02,x02,'y2,x2')
  18         title(t)
  19         colorbar()
  20         show()
  21 
  22 
  23 Y,X=512,512
  24 B0=zeros((Y,X),float)
  25 
  26 # Punkte im Originalbild
  27 y00,x00,y01,x01,y02,x02=200,200,200,300,300,300
  28 # Punkte im transformierten Bild
  29 y10,x10,y11,x11,y12,x12=200,200,100,250,500,400
  30 B0[y00:y02,x00:x02]=1 # Rechteck mit eins gefuellt
  31 sigma=1
  32 B0=gaussian_filter(B0,sigma) # Simuliere Aufnahmevorgang (Verunschaerfen)
  33 
  34 close('all')
  35 display(B0,1,'Original',y00,x00,y01,x01,y02,x02)
  36 
  37 P0=array([[x00, x01, x02],[y00,y01,y02],[1.0,1.0,1.0]])
  38 P1=array([[x10, x11, x12],[y10,y11,y12],[1.0,1.0,1.0]])
  39 
  40 # Berechne Transformationsmatrix
  41 A=dot(P1,linalg.inv(P0))
  42 
  43 
  44 A=linalg.inv(A)
  45 # Hier wird die Inverse von A berechnet, 
  46 # da geometric_transform "rueckwaerts" definiert ist
  47 
  48 
  49 B1=geometric_transform(B0,mapping_func,prefilter=True,order=3,output_shape=(700,700))
  50 display(B1,2,'Transformiert',y10,x10,y11,x11,y12,x12)