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=[−10012cx0]
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
import cv2
import numpy as np
from scipy.spatial import Delaunayclass FrameObject:def __init__(self):passdef 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。
相关文章:

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…...

鸿蒙仓颉开发语言实战教程:页面跳转和传参
前两天分别实现了商城应用的首页和商品详情页面,今天要分享新的内容,就是这两个页面之间的相互跳转和传递参数。 首先我们需要两个页面。如果你的项目中还没有第二个页面,可以右键cangjie文件夹新建仓颉文件: 新建的文件里面没什…...
如何在Vue中实现延迟刷新列表:以Element UI的el-switch为例
如何在Vue中实现延迟刷新列表:以Element UI的el-switch为例 在开发过程中,我们经常需要根据用户操作或接口响应结果来更新页面数据。本文将以Element UI中的el-switch组件为例,介绍如何在状态切换后延迟1秒钟再调用刷新列表的方法࿰…...

最新Spring Security实战教程(十六)微服务间安全通信 - JWT令牌传递与校验机制
🌷 古之立大事者,不惟有超世之才,亦必有坚忍不拔之志 🎐 个人CSND主页——Micro麦可乐的博客 🐥《Docker实操教程》专栏以最新的Centos版本为基础进行Docker实操教程,入门到实战 🌺《RabbitMQ》…...
MDM在智能健身设备管理中的技术应用分析
近年来,随着智能硬件的普及和健身行业的数字化转型,越来越多健身房引入了Android系统的智能健身设备,如智能动感单车、智能跑步机、体测仪等。这些设备通过内嵌的安卓终端,实现了健身内容播放、用户交互、远程课程等功能ÿ…...
OSPF ABR汇总路由
一、OSPF ABR汇总配置(手工汇总) 📌 场景示例 假设ABR连接区域0和区域1,区域1内存在多个子网(如10.1.0.0/24、10.1.1.0/24),需将其手动汇总为10.0.0.0/8并通告至区域0。 🔧 配置命…...

【五】Spring Cloud微服务开发:解决版本冲突全攻略
Spring Cloud微服务开发:解决版本冲突全攻略 目录 Spring Cloud微服务开发:解决版本冲突全攻略 概述 一、Spring Boot 二、Spring Cloud 三、Spring Cloud Alibaba 总结 概述 spring cloud微服务项目开发过程中经常遇到程序包版本冲突的问题&…...

Spring Boot微服务架构(二):开发调试常见中文问题
Spring Boot开发调试常见中文问题及解决方案 一、环境配置类问题 端口冲突 表现:启动时报错"Address already in use"解决:修改application.properties中的server.port或终止占用端口的进程 数据库连接失败 表现:启动时报错"…...

Linux基础IO----动态库与静态库
什么是库? 库是由一些.o文件打包在一起而形成的可执行程序的半成品。 如何理解这句话呢? 首先,一个程序在运行前需要进行预处理、编译、汇编、链接这几步。 预处理: 完成头文件展开、去注释、宏替换、条件编译等,最终…...
LeetCode百题刷004(哈希表优化两数和问题)
遇到的问题都有解决的方案,希望我的博客可以为你提供一些帮助 一、哈希策略优化两数和问题 题目地址:1. 两数之和 - 力扣(LeetCode)https://leetcode.cn/problems/two-sum/description/ 思路分析: 题目要求在一个整型…...
解析Java String.getBytes()编码与new String()解码的字符集转换机制
引言 在Java开发中,字符编码与解码是处理文本数据的基础操作,但稍有不慎就会导致乱码问题。理解字符串在内存中的存储方式以及如何正确使用编码转换方法,是保证跨平台、多语言兼容性的关键。本文将通过编码与解码的核心方法、常见问题场景及…...
从万有引力到深度学习,认识模型思维
从万有引力到深度学习,认识模型思维 引言 从牛顿发现万有引力定律到现代深度学习的崛起,“模型思维”始终是人类理解世界、解决问题的核心工具。它不仅是科学研究的基石,更是技术创新的底层逻辑。本文将从科学史、技术应用、认知效率等角度…...
2022 年 9 月青少年软编等考 C 语言八级真题解析
目录 T1. 道路思路分析T2. 控制公司思路分析T3. 发现它,抓住它思路分析T4. 青蛙的约会思路分析T1. 道路 题目链接:SOJ D1216 N N N 个以 1 ∼ N 1 \sim N 1∼N 标号的城市通过单向的道路相连,每条道路包含两个参数:道路的长度和需要为该路付的通行费(以金币的数目来表示…...

FPGA通信之VGA与HDMI
文章目录 VGA基本概念:水平扫描:垂直扫描: 时序如下:端口设计疑问为什么需要输出那么多端口不输出时钟怎么保证电子枪移动速度符合时序VGA转HDMI 仿真电路图代码总结:VGA看野火电子教程 HDMITMDS传输原理为什么使用TMD…...

Leetcode百题斩-二叉树
二叉树作为经典面试系列,那么当然要来看看。总计14道题,包含大量的简单题,说明这确实是个比较基础的专题。快速过快速过。 先构造一个二叉树数据结构。 public class TreeNode {int val;TreeNode left;TreeNode right;TreeNode() {}TreeNode…...
修改 K8S Service 资源类型 NodePort 的端口范围
在 Kubernetes 中,Service 类型为 NodePort 时,默认分配的端口范围为 30000~32767。如果你希望使用自定义端口(如 8080、8888 等),就需要修改 kube-apiserver 的默认配置。 本文将详细介绍如何修改 Kubernetes 中 Nod…...

ACM Latex模板:合并添加作者和单位
目录: 1.ACM会议论文Latex模板,逐个添加作者和单位: 1)Latex: 2)效果: 2. ACM会议论文Latex模板,合并添加作者和单位: 1)Latex: 2&#x…...
爬虫IP代理技术深度解析:场景、选型与实战应用
目录 一、代理IP的核心技术架构 二、典型应用场景技术解析 场景1:电商价格监控系统 场景2:社交媒体舆情分析 场景3:金融数据采集 三、代理IP选型方法论 1. 性能评估矩阵 2. 成本优化模型 3. 风险管控体系 四、未来技术演进方向 五、…...

将MCP(ModelContextProtocol)与Semantic Kernel集成(调用github)
文章目录 将MCP(ModelContextProtocol)与Semantic Kernel集成(调用github)一、模型上下文协议(MCP)简介1.1 简介1.2 示例 二、集成步骤2.1 安装环境依赖2.2 构建语义内核(Kernel)2.3…...

游戏引擎学习第311天:支持手动排序
仓库: https://gitee.com/mrxiao_com/2d_game_7(已满) 新仓库: https://gitee.com/mrxiao_com/2d_game_8 回顾并为今天的内容定下基调 我们接下来要继续完成之前开始的工作,上周五开始的部分内容,虽然当时对最终效果还不太确定,但现在主要任…...

LambdaQueryWrapper、MybatisPlus提供的基本接口方法、增删改查常用的接口方法、自定义 SQL
DAY26.2 Java核心基础 MybatisPlus提供的基本接口方法 分页查询 导入依赖springboot整合Mybatis-plus <dependency><groupId>com.baomidou</groupId><artifactId>mybatis-plus-boot-starter</artifactId><version>3.4.3</version&g…...

深度学习---可视化
模型可视化 深度学习模型可视化是理解、调试和优化模型的关键技术,涉及模型结构、参数、层输出、数据流动、训练过程等多维度分析。 一、可视化的核心作用 模型理解 解析复杂模型的网络架构(如CNN的层级连接、Transformer的注意力机制)。揭…...
军事大模型及其应用分析
一、军事大模型概述 在军事智能化浪潮下,大模型技术加速从理论迈向实战,成为重塑军事决策体系的核心力量,推动军事体系数字工程进入新阶段。 美国依托成熟的商业科技生态,率先推进大模型军事应用。Palantir 公司的 AIP 军事智能…...
c++算法题
题目 字符串的替换操作 replace(String &s, String &t, String &v) 是指: 若t是s的子串,则用串v替换串t在串s中的所有出现;若t不是s的子串,则串s不变。例如,若串s为“aabbabcbaabaaacbab”,串…...
云原生安全 SaaS :从基础到实践
🔥「炎码工坊」技术弹药已装填! 点击关注 → 解锁工业级干货【工具实测|项目避坑|源码燃烧指南】 1. 基础概念 什么是 SaaS? SaaS(Software as a Service,软件即服务)是一种基于云计算的软件交付模式。用…...
《Drain日志解析算法》论文阅读笔记
这篇文档介绍了一种名为Drain的在线日志解析方法,它采用固定深度的解析树进行流式日志处理 [cite: 1, 6]。 摘要 日志记录了宝贵的系统运行时信息,广泛应用于Web服务管理中 [cite: 1]。典型的日志分析过程首先需要解析原始日志消息,因为它们…...
MMAction2重要的几个配置参数
embed_dims(全称 embedding dimensions)是指每个 patch(块)或特征的通道数/维度,是 Transformer 或 Swin Transformer 等模型中最核心的特征表示维度。 embed_dims 必须能被 num_heads 整除 具体解释 在 Swin Transfo…...

Windows系统如何查看ssh公钥
很多人只是一味的为拿到ssh公钥而努力,往往却会忽略了ssh公钥与私钥背后的作用。 咱们在这里会花两分钟。 一分钟速通概念,一分钟教会你如何获取。 一分钟速通概念: 如何生成: SHH 公钥 与 私钥 是基于非对称加密算法ÿ…...
UniApp+Vue3微信小程序二维码生成、转图片、截图保存整页
二维码生成工具使用uqrcode/js,版本4.0.7 官网地址:uQRCode 中文文档(不建议看可能会被误导) 本项目采用了npm引入方式,也可通过插件市场引入,使用上会略有不同 准备工作: 安装:pnpm…...
8.2 线性变换的矩阵
一、线性变换的矩阵 本节将对每个线性变换 T T T 都指定一个矩阵 A A A. 对于一般的列向量,输入 v \boldsymbol v v 在空间 V R n \pmb{\textrm V}\pmb{\textrm R}^n VRn 中,输出 T ( v ) T(\boldsymbol v) T(v) 在空间 W R m \textrm{\pmb W}\…...