数字图像处理技术图像几何频域变换.pptVIP

图象变换 一、图像的几何变换 我们知道，图像是对三维实际景物的平面投影。为了观测需要，常常需要进行各种不同的几何变换。注意一点，实际上几何变换不改变像素值，而是改变像素所在的位置。 1、图像的位置变换 一、图像的平移 1、图像的位置变换 二、图像的镜像 1、图像的位置变换 三、图像的旋转 1、图像的位置变换 图像的旋转注意点： 1） 图像旋转之前，为了避免信息的丢失，一定有平移坐标，具体的做法有如图所示的两种方法。 1、图像的位置变换 图像的旋转注意点： 2）图像旋转之后，会出现许多的空洞点，对这些空洞点必须进行填充处理，否则画面效果不好。称这种操作为插值处理。 1、图像的位置变换 插值最简单的方法是行插值或是列插值方法： 1. 找出当前行的最小和最大的非白点的坐 标，记作：(i,k1)、(i,k2)。 2. 在(k1,k2)范围内进行插值，插值的方法 是：空点的像素值等于前一点的像素值。 3. 同样的操作重复到所有行。 1、图像的位置变换 2、图像的形状变换 一、图像的缩小 图像的缩小一般分为按比例缩小和不按比例缩小两种。图像缩小之后，因为承载的信息量小了，所以画布可相应缩小。 2、图像的形状变换 1. 图像按比例缩小： 最简单的是减小一半，这样只需取原图的偶（奇）数行和偶（奇）数列构成新的图像。 2、图像的形状变换 如果图像按任意比例缩小，则需要计算选择的行列。 M*N大小的图像缩小为：kM*kN大小，（k1）。 设旧图像是F(x,y)，新图像是I(x,y) 则：I(x,y)=F(int(c*x),int(c*y)) c=1/k 2、图像的形状变换 2. 图像不按比例缩小： 这种操作因为在x方向和y方向的缩小比例不同，一定会带来图像的几何畸变。 2、图像的形状变换 图像不按比例缩小方法： M*N大小的图像缩小为：k1M*k2N大小，（k11，k21）。 设旧图像是F(x,y)，新图像是I(x,y) 则：I(x,y)=F(int(c1*x),int(c2*y)) c1=1/k1 c2=1/k2 2、图像的形状变换 二、图像的放大 图像的缩小操作中，是在现有的信息里如何挑选 所需要的有用信息。 图像的放大操作中，则需对尺寸放大后所多出来的空格填入适当的值，这是信息的估计问题，所以较图像的缩小要难一些。 2、图像的形状变换 1.按比例放大图像 如果需要将原图像放大k倍，则将一个像素值添在新图像的k*k的子块中。 2、图像的形状变换 2. 图像的任意不成比例放大： 这种操作由于x方向和y方向的放大倍数不同，一定带来图像的几何畸变。 放大的方法是： 将原图像的一个像素添到新图像的一个 k1*k2的子块中去。 2、图像的形状变换 三、图像的错切变换 图像的错切变换实际上是景物在平面上的非垂直投影效果。 2、图像的形状变换 2、图像的形状变换 二、图像的频域变换 问题的提出： 我们人类视觉所感受到的是在空间域和时间域的信号。但是，往往许多问题在频域中讨论时，有其非常方便分析的一面。　　　 1、二维离散Fourier变换 Fourier变换有两个好处： 1）可以得出信号在各个频率点上的强度。 2）可以将卷积运算化为乘积运算。 1、二维离散Fourier变换 傅立叶频谱特点： （1）从分布上看，频谱中心处于屏幕中心，从中心向四周呈辐射状分布；离中心越远，频率越高，能量越小； （2）中心点即直流分量点对应着图像的平均亮度；低频区域对应图像的实体细节；高频区域对应图像的边缘轮廓。 1、二维离散Fourier变换 1、二维离散Fourier变换 1、二维离散Fourier变换： 因为2维DFT可以看成是两次的1维DFT变换，即： 所以二维离散Fourier变换实际上是对其进行了2次的一维DFT变换。 2、快速Fourier变换（FFT） 2、快速Fourier变换（FFT） 2、快速Fourier变换（FFT） 二、FFT的设计思想是: 首先，将原函数分为奇数项和偶数项，通过不断的一个奇数一个偶数的相加（减），最终得到需要的结果。 也就是说FFT是将复杂的运算变成两个数相加（减）的简单运算的重复。 2、快速Fourier变换（FFT） 例：设对一个函数进行快速Fourier变换，函数为： 2、快速Fourier变换（