使用 OpenCV 构建稳定的多面镜片墙效果（镜面反射 + Delaunay 分块）

news2025/5/29 6:35:33

✨ 效果概览

我们将实现一种视觉效果，模拟由许多小镜面拼接而成的“镜子墙”。每个镜面是一个三角形区域，其内容做镜像反射（如水平翻转），在视频中形成奇特的万花筒、哈哈镜、空间折叠感。

使用 OpenCV 实现“随机镜面墙”——多镜片密铺的哈哈镜效果-CSDN博客https://blog.csdn.net/weixin_43607107/article/details/148126936?spm=1001.2014.3001.5501

为了让视频连贯播放而无明显闪烁，还需解决随机性带来的帧间结构跳变问题。

1. 背景知识：图像分块与仿射变换

我们利用以下两种技术实现该效果：

🟩 1.1 Delaunay 三角剖分

对图像中随机生成的点进行 Delaunay 三角剖分（scipy.spatial.Delaunay）
可将整个图像划分为若干不重叠的三角区域，适合对局部进行变换

🟦 1.2 OpenCV 仿射变换

对每个三角形区域进行水平镜像变换，使用 cv2.warpAffine() 函数
控制点的选择与重心、外接圆等几何信息结合使用，可衍生更多镜面效果

2. 初始实现的问题：每帧结构不同导致闪烁

以下是初始实现的逻辑：

# 在 do() 方法中每帧都重新生成点 -> Delaunay -> 镜面反射

这样每帧都会产生不同的三角剖分结构，导致在连续视频中“镜子拼贴”的结构跳动不定，出现明显闪烁（flickering）现象，观感较差。

3. 改进思路：结构一次生成，复用即可

我们将随机点生成和三角剖分的过程移到 __init__ 或 initialize() 方法中，只在第一次调用时执行一次，之后的每一帧复用同样的三角结构。

✅ 优势

消除闪烁
性能更高，避免频繁三角剖分
保持视觉一致性，为后续加入动态渐变打基础

4. 完整实现代码（固定结构版）

import cv2
import numpy as np
from scipy.spatial import Delaunay

class FrameObject:
    def __init__(self):
        self.initialized = False
        self.triangles = None

    def initialize(self, w, h):
        # 初始化结构一次
        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))

        tri = Delaunay(points)
        self.triangles = points[tri.simplices]
        self.initialized = True

    def do(self, frame, device):
        h, w = frame.shape[:2]

        if not self.initialized:
            self.initialize(w, h)

        result = np.zeros_like(frame)

        for tri_pts in self.triangles:
            mask = np.zeros((h, w), dtype=np.uint8)
            cv2.fillConvexPoly(mask, tri_pts, 255)

            centroid = np.mean(tri_pts, axis=0)

            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]

            cx, cy = centroid - np.array([x, y])

            M = np.array([
                [-1, 0, 2*cx],
                [0, 1, 0]
            ], dtype=np.float32)

            warped = cv2.warpAffine(roi, M, (bw, bh), flags=cv2.INTER_LINEAR)

            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