### 图像的对数极坐标变换 图像从笛卡尔坐标系转换到对数极坐标系的过程涉及几何映射，该过程可以分为几个计算部分。为了实现这一变换，通常会采用插值方法来处理新坐标下的像素位置[^1]。 #### 几何映射原理 设原图像是 \(I(x, y)\)，其中 \((x,y)\) 是笛卡尔坐标；目标是对这幅图像执行对数极坐标变换得到新的表示形式 \(J(r,\theta)\)[^2]。这里： - \(r\) 表示径向距离； - \(\theta\) 表示角度方向上的变化量。 对于任意一点 \((x',y')\), 它对应的对数极坐标的表达式如下所示: \[ r = k * log(\sqrt{x'^{2} + y'^{2}}) \] \[ \theta = atan2(y', x') \] 其中 \(k\) 是比例因子用于调整尺度大小，\(atan2()\) 函数返回的是四象限反正切值以确保角度范围覆盖整个圆周角[-π,+π][^3]。 #### 实现代码示例 下面给出一段 Python 代码作为例子展示如何利用 OpenCV 和 NumPy 库完成上述操作： ```python import cv2 import numpy as np def cart_to_logpolar(image, center=None, magnitude_scale=1.0): h, w = image.shape[:2] if center is None: center = (w / 2., h / 2.) map_x = np.zeros_like(image).astype(np.float32) map_y = np.zeros_like(image).astype(np.float32) for i in range(h): for j in range(w): dx = j - center[0] dy = i - center[1] rho = np.sqrt(dx*dx + dy*dy) phi = np.arctan2(dy,dx) lrho = magnitude_scale * np.log(1 + rho) map_x[i,j] = lrho * np.cos(phi) + center[0] map_y[i,j] = lrho * np.sin(phi) + center[1] transformed_image = cv2.remap(image,map_x,map_y,cv2.INTER_LINEAR) return transformed_image ``` 此函数接收一幅输入图片 `image` 并将其由直角坐标空间重映射至对数极坐标空间。参数 `center` 可指定变换中心，默认为中心点；而 `magnitude_scale` 则用来控制最终输出图像中的半径缩放程度[^4]。