ch05 图像变换.pptVIP

图像能量一般集中在低频区域。 变换之后的图像在原点平移之前四角是低频，最亮，平移之后（根据平移定理）中间部分是低频，最亮，亮度大说明低频的能量大。 5.1补充：理解傅里叶变换 第*页 第5章 图像变换 冈萨雷斯版《图像处理》里的解释： 一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。 傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。当我们考虑光时，讨论它的光谱或频率谱。同样，傅里叶变换使我们能通过频率成分来分析一个函数。 5.1补充：理解傅里叶变换 第*页 第5章 图像变换 第*页 第5章 图像变换 第5章 图像变换 5.1 傅里叶变换 5.2 沃尔什和哈达玛变换 5.3 离散余弦变换 正变换核 N = 2n bk(z)： z 的二进制表达中的第 k 位 如 n = 3 对 z = 6（1102） 有 b0(z) = 0，b1(z) = 1，b2(z) = 1 对 z = 2（???2） 有 b0(z) = ?，b1(z) = ?，b2(z) = ? 5.2 沃尔什变换 第*页 第5章 图像变换 正变换 变换核组成的矩阵是一个对称矩阵，并且其行和列正交（1-D反变换核与正变换核只差1个常数1/N）。 表5.2.1 反变换核 反变换 5.3 沃尔什变换 第*页 第5章 图像变换 2-D沃尔什变换 正变换： 2-D正、反变换核完全相同： 5.3 沃尔什变换 第*页 第5章 图像变换 例：沃尔什变换 与FT相比，沃尔什变换缺乏明确的物理意义和比 较直观的解释。 5.3 沃尔什变换 第*页 第5章 图像变换 第*页 第5章 图像变换 第5章 图像变换 5.1 傅里叶变换 5.2 沃尔什和哈达玛变换 5.3 离散余弦变换 5.3 离散余弦变换 简介 傅里叶变换计算的对象是复数，计算速度慢，但功能强大 为了提高计算速度，提出了计算对象是实数的变换，如离散余弦变换（Discrete Cosine Transform，DCT）和沃尔什等变换，均为可分离和正交变换。 余弦变换的变换核为余弦函数，是实数，故速度比DFT要快很多 DCT变换阵的基向量能很好地描述人类语言信号、图像信号的相关特征，因而应用广泛（图像压缩编码、语音信号处理等） 第*页 第5章 图像变换 第*页 第5章 图像变换 5.3 离散余弦变换 一维离散余弦变换定义 正变换 反变换 其中，a(u)为归一化加权系数 第*页 第5章 图像变换 5.3 离散余弦变换 二维离散余弦变换定义 正变换 反变换 5.3 离散余弦变换 例: 离散余弦变换 右图中左上角对应低频分量，由此可见，左图的大部分能量在低频部分。 第*页 第5章 图像变换 5.3 离散余弦变换 DCT变换的应用——图像压缩 在JPEG压缩算法中： （1）首先将输入图像划分为8*8的方块，其次对每一个方块执行二维DCT变换，最后将变换得到的量化的DCT系数进行编码和传送，形成压缩后的图像格式。 （2）在接收端，将量化的DCT系数进行解码，并对每个8*8方块进行二维离散余弦反变换，最后将操作完成后的块组合成一幅完整的图像。 第*页 第5章 图像变换 例: 几种变换比较 原始图像 傅里叶变换 离散余弦变换 沃尔什变换 5.3 离散余弦变换 DCT具有更强的信息集中能力 第*页 第5章 图像变换 MatLab函数 傅里叶变换 B=fft2(I)：计算图像I的二维傅里叶变换 B=fftshift(I)：将变换后的图像频谱中心从矩阵的原点移到矩阵的中心 Y=abs(X)：对复数求模 Y=log(X)：计算自然对数（以e为底数的对数） B=ifft2(I)：计算图像I的二维傅里叶变换的反变换 第*页 第5章 图像变换 MatLab函数 傅里叶变换 例：傅里叶正反变换 I=imread(lena.bmp); J=fft2(I); K=ifft2(J); subplot(2,2,1),imshow(I); subplot(2,2,2),imshow(log(abs(J)),[]); subplot(2,2,3),imshow(log(abs(fftshift(J))),[]); subplot(2,2,4),imshow(uint8(abs(K))); 原始图像 频谱 （无平移） 频谱 （平移） 逆变换图像 第*页 第5章 图像变换 按照本章学习目标