请问极坐标下的函数图像和直角坐标下的函数图像一样吗？

你好！

//baike：

http通过htm

它的极坐标方程为baidu，图像应该和直角坐标系图像一样com/view/1686985baidu：

ρ^2=a^2cos2θ

和ρ^2=a^2sin2θ

通过画图com/view/1686985://baike

希望对你有所帮助，望采纳。

1利用对称性：

分别把x与-x代入方程后的结果是相同的，所以可以判断图像关于y轴是对称的；

又把y与-y代入方程后的结果是相同的，所以可以判断图像关于x轴是对称的。

所以整个函数图像在四个象限之内的形状相同，所以只需画出第一象限内的图形即可，剩下的按照对称做出即可。

2利用极坐标变换：

x = rcos(θ),

y = rsin(θ),

=>

r²＝cos²θ-sin²θ=cos2θ

上式有意义，则必须cos2θ>=0，所以图像位于第一象限角平分线的下半部分中。这也可以通过原方程右端必须大于等于零，做出x>=y的相同判断。

另外r²<=1也是显然的，所以图像离远点的最远距离（r=1）也可以判断出来了，并且在θ=0时达到。同理最近的距离就是0，也就是原点，这时θ=π/4。中间的部分就大概画条曲线表示一下就可以了。画图的话，也不需要特别精确，而且再要精确也很难做到了。

先来说一下我们常用的笛卡尔坐标。X轴水平向右是正方向，y轴垂直于x轴，竖直向上是正方向。但是在计算机中图像的原点在左上方，所以如果是在笛卡尔坐标中进行旋转，需要三个矩阵相乘，分别实现从计算机坐标到笛卡尔坐标，旋转角度theta，笛卡尔坐标转换为计算机坐标系。



如果将笛卡尔坐标系换为极坐标系，两个坐标轴分别是角度theta和长轴，点的位置的表示方式用与原点水平方向的夹角和到原点的距离表示。而对数极坐标，是在极坐标的基础上，对长轴的长度取对数，这样把到原点距离的线性变换变成非线性变换，当距离成倍增长时对数极坐标下的距离小幅变化，起到了数据压缩的作用，减少了计算量。就像是通信脉冲采样中的谬率和a率，还有信道中的信噪比。参考资料中提到的极坐标和对数坐标都是对人眼的仿生模拟，因为人眼的中心凸起有聚焦的作用，极坐标下的像素都环绕在原点周围，但考虑到半径越来越大，越远离中心点的地方空间分辨率越低。所以可以将这么一次变换看作是图像通过了如下的滤波器：



极坐标在OpenCV中的函数

OpenCV中集成了对数极坐标的实现。参数也都很简单：

cvLogPolar(

const CvArr src, CvArr dst,

CvPoint2D32f center, //极坐标变换的原点

double M,//缩放系数

int flagsCV_DEFAULT(CV_INTER_LINEAR+CV_WARP_FILL_OUTLIERS)//插值方式

);

在计算机图像处理中，看似目标图像是原图像经过某种变换直接得到的，其实我们不能一次性得到目标图像，而是在已知目标图像大小和位深的基础上，根据变换关系将目标图像的像素一个个映射回原图像，由原图像的已知像素求出目标图像的未知像素。而具体求解的算法就是插值法。这里cvLogPolar中默认的插值算法是双线性插值，策略是当目标图像的像素映射到原图边界之外时置0具体关于函数的细节可以参考opencv手册https://docsopencvorg/24/indexhtml





除了cvLogPolar函数，opencv还有一个函数cvLinerPolar，这个函数没有对距离取对数，所以叫线性极坐标。有的博客说是对半径做了log变换模拟人眼看到中间分辨率高，边缘分辨率低的效果，在机器学习中线性极坐标变换更加常用。下面是使用线性极坐标变换的例子，可以看到与对数极坐标相比，差距不大，都达到了人眼的效果，只是取了对数之后效果更加突出。

 

对极坐标变换结果的解释

因为在对数极坐标下两个坐标轴分别是角度和到中心点的距离的对数，所以原图中以中心点为圆心的圆在极坐标下映射为一条直线，通过中心点的直线被映射为平行于极轴坐标的直线（角度不变），原图边界处的点到中心点的距离在一个闭区间内有规律地波动，角度分量则在0~360度均匀分布。



相关代码

#include<iostream>

#include<opencv2/opencvhpp>

using namespace std;

IplImage rotateImage1(IplImage img, int degree);

int main()

{

IplImage src = cvLoadImage("beaverpng");// , -1);cvLogPolar要求必须是三通道的

IplImage dst = cvCreateImage(cvGetSize(src), 8, 3);

IplImage dstLiner = cvCreateImage(cvGetSize(src), 8, 3);

IplImage src2 = cvCreateImage(cvGetSize(src), 8, 3);

IplImage src2Liner = cvCreateImage(cvGetSize(src), 8, 3);

CvPoint2D32f center = cvPoint2D32f(src->width/2, src->height/2);

//旋转中心为图像中心

//CvPoint2D32f center;

//centerx = float(img->width / 20 + 05);

//centery = float(img->height / 20 + 05);这里为什么要加05？

double m = 500;

cvLogPolar(src, dst, center, m, CV_INTER_LINEAR + CV_WARP_FILL_OUTLIERS);

cvLogPolar(dst, src2, center, m, CV_INTER_LINEAR + CV_WARP_INVERSE_MAP);

//CV_WARP_INVERSE_MAP - 表示矩阵由输出图像到输入图像的逆变换，并且因此可以直接用于像素插值。否则，函数从map_matrix中寻找逆变换。

cvLogPolar(src, dstLiner, center, m, CV_INTER_LINEAR + CV_WARP_FILL_OUTLIERS);

cvLogPolar(dstLiner, src2Liner, center, m, CV_INTER_LINEAR + CV_WARP_INVERSE_MAP);

//对原图旋转

IplImage RotateImage = rotateImage1(src, 20);

cvNamedWindow("旋转图", CV_WINDOW_AUTOSIZE);

cvShowImage("旋转图", RotateImage);

//对旋转图极坐标变换

IplImage dstR = cvCreateImage(cvGetSize(src), 8, 3);

cvLogPolar(RotateImage, dstR, center, m, CV_INTER_LINEAR + CV_WARP_FILL_OUTLIERS);

cvNamedWindow("旋转图极坐标", CV_WINDOW_AUTOSIZE);

cvShowImage("旋转图极坐标", dstR);

cvNamedWindow("原图", CV_WINDOW_AUTOSIZE);

cvShowImage("原图", src);

cvNamedWindow("变换后的图", CV_WINDOW_AUTOSIZE);

cvShowImage("变换后的图", dst);

cvNamedWindow("线性极坐标变换后的图", CV_WINDOW_AUTOSIZE);

cvShowImage("线性极坐标变换后的图", dstLiner);

cvNamedWindow("反变换后的图", CV_WINDOW_AUTOSIZE);

cvShowImage("反变换后的图", src2);

cvNamedWindow("线性反变换后的图", CV_WINDOW_AUTOSIZE);

cvShowImage("线性反变换后的图", src2Liner);

cvWaitKey();

cvReleaseImage(&src);

cvReleaseImage(&dst);

cvReleaseImage(&dstLiner);

cvReleaseImage(&src2Liner);

cvReleaseImage(&RotateImage);

cvReleaseImage(&dstR);

cvDestroyWindow("原图");

cvDestroyWindow("变换后的图");

cvDestroyWindow("线性极坐标变换后的图");

cvDestroyWindow("线性反变换后的图");

cvDestroyWindow("旋转图");

cvDestroyWindow("旋转图极坐标");

return 0;

}

//旋转图像内容不变，尺寸相应变大 https://blogcsdnnet/qingzai_/article/details/51095297

IplImage rotateImage1(IplImage img, int degree){

double angle = degree CV_PI / 180; // 弧度

double a = sin(angle), b = cos(angle);

int width = img->width;

int height = img->height;

int width_rotate = int(height fabs(a) + width fabs(b));

int height_rotate = int(width fabs(a) + height fabs(b));

//旋转数组map

// [ m0 m1 m2 ] ===> [ A11 A12 b1 ]

// [ m3 m4 m5 ] ===> [ A21 A22 b2 ]

float map[6];

CvMat map_matrix = cvMat(2, 3, CV_32F, map);

// 旋转中心

CvPoint2D32f center = cvPoint2D32f(width / 2, height / 2);

cv2DRotationMatrix(center, degree, 10, &map_matrix);

map[2] += (width_rotate - width) / 2;

map[5] += (height_rotate - height) / 2;

IplImage img_rotate = cvCreateImage(cvSize(width_rotate, height_rotate), 8, 3);

//对图像做仿射变换

//CV_WARP_FILL_OUTLIERS - 填充所有输出图像的象素。

//如果部分象素落在输入图像的边界外，那么它们的值设定为 fillval

//CV_WARP_INVERSE_MAP - 指定 map_matrix 是输出图像到输入图像的反变换，

cvWarpAffine(img, img_rotate, &map_matrix, CV_INTER_LINEAR | CV_WARP_FILL_OUTLIERS, cvScalarAll(0));

return img_rotate;

}

需要注意的几个问题

1Cvloadimage问题

在参考的代码中，因为要返回指向CvArr的指针，所以使用cvLoadImage读入图像，但是使用的是CV_LOAD_IMAGE_UNCHANGED参数，会中断。一个解释是：如果输入有冲突的标志，将采用较小的数字值。CV_LOAD_IMAGE_ANYCOLOR有着可以和CV_LOAD_IMAGE_ANYDEPTH同时使用的优点，CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR可以载入最真实的图像，所以CV_LOAD_IMAGE_UNCHANGED不再使用了。但是将cvLoadImage的参数换成CV_LOAD_IMAGE_ANYDEPTH| CV_LOAD_IMAGE_ANYCOLOR也依然中断。后来经过调试发现，中断发生在cvLogPolar阶段，源图像只要是单通道即灰度图就会中断。而我选择的原图就是单通道的，所以按照原图载入就会发生错误。三通道的图可以被读取成单通道的，而之前我不知道的是单通道的图也可以读取成三通道的。。

cvLoadImage和imread都调用的是imread_函数，只不过参数一个是LOAD_IMAGE，一个是LOAD_MAT。

enum

{

/ 8bit, color or not /

CV_LOAD_IMAGE_UNCHANGED =-1,

/ 8bit, gray /

CV_LOAD_IMAGE_GRAYSCALE =0,

/ , color 缺省值，三通道/

CV_LOAD_IMAGE_COLOR =1,

/ any depth, 任意深度，保持不变 /

CV_LOAD_IMAGE_ANYDEPTH =2,

/ , any color 任意颜色，保持不变？/

CV_LOAD_IMAGE_ANYCOLOR =4

};

2反变换问题

cvLogPolar的CV_WARP_INVERSE_MAP参数可以实现反变换，但是链接5的代码中把反变换的输入图像写成笛卡尔坐标系下的原图了。

Origin图形绘制及曲线拟合

3、框架：（1）框架是个长方形的方框，将绘图区框在里面，对于二维图形就是坐标轴的位置；（2）对于Graph来说，框架是独立于坐标轴之外的元素，坐标轴可以设置为隐藏，但框架仍然存在，可以通过选择菜单命令：View|Show|Frame来显示/

origin极坐标函数绘图教程

数学上极坐标有如下规定：点的坐标：,，其中0点,就是点,怎样把角度转化为弧度呢？有个公式：弧度=角度2pi/360简化：弧度=角度pi/180 举例：画一个ρ=acos3θ就需要一个公式cos(3ipi/180)现在开始画图！打开ORIGIN 打开

Origin80教学课件2(极坐标)

11Origin极坐标图的要点 数学上极坐标有如下规定：点的坐标：,，其中0点,就是点, 11Origin极坐标图的绘图要点 绘图工具 12三维图形的绘图要点 三维

Origin基础知识

为了给用户提供更大的拟合控制空间,Origin 提供了三种拟合工具,即线性 拟合工具、多项式拟合工具、S 拟和工具。具体自己去体会。 5-3 非线性最小平方拟合 NLSF 这是Origin 提供的功能最强大、使用也最复杂的拟合工具。方法是 Analys

[11]origin 90制作极坐标图

那么 如何用 origin 作极坐标图 1>首先打开 origin,



origin曲线拟合 1

Format格式功能 *** 作–对工作表窗口：菜单格式控制、工作表显示控制等–对绘图窗口：菜单格式控制；图形页面、图层和线条样式控制，坐标轴样式控制和调色板等Window窗口功能 *** 作控制窗口显示Help帮助 数据管理 输入数据当Origin

origin极坐标 三维绘图

Origin 一、极坐标绘图二、三维绘图本ppt内的所有练习做为本学期第一次作业，请于2009/10/23前发送至：fwdai@phyecnueducn 一、极坐标绘图 至少要一个X列，一个Y列 X

Origin知识重点

为了给用户提供更大的拟合控制空间,Origin 提供了三种拟合工具,即线性 拟合工具、多项式拟合工具、S 拟和工具。具体自己去体会。 1/1 5-3 非线性最小平方拟合 NLSF 这是 Origin 提供的功能最强大、使用也最复杂的拟合工具。方法

origin80教程

4-4-2 关联坐标轴 Origin 可以在各图层之间的坐标轴建立关联, 如果改变某一图层的坐标轴比 例,那么其它图层的也相应改变。 做法双击:Layer 上的 2 图标,在调出的 Layer 对话框中点 Layer Properties, 然后选择 Link Axes Scales。

下一页