6图像的几何变换介绍.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 图像复合变换 图像的复合变换是指对给定的图像连续施行若干次如前所述的平移、镜像、比例、旋转等基本变换后所完成的变换，图像的复合变换又叫级联变换。利用齐次坐标，对给定的图像依次按一定顺序连续施行若干次基本变换， 其变换的矩阵仍然可以用3×3阶的矩阵表示，而且从数学上可以证明，复合变换的矩阵等于基本变换的矩阵按顺序依次相乘得到的组合矩阵。设对给定的图像依次进行了基本变换F1，F2，…，FN，它们的变换矩阵分别为T1，T2，…，TN，按照公式（6-1）～（6-6）的表示形式，图像复合变换的矩阵T可以表示为：T=TNTN-1…T1。 像素的空间关系-几何变换基础  1. 复合平移 设某个图像先平移到新的位置P1(x1, y1)后，再将图像平移到P2(x2, y2)的位置，则复合平移矩阵为 由此可见，尽管一些顺序的平移，用到矩阵的乘法，但最后合成的平移矩阵，只需对平移常量作加法运算。 (6-7) 像素的空间关系-几何变换基础  2. 复合比例 同样，对某个图像连续进行比例变换，最后合成的复合比例矩阵，只要对比例常量作乘法运算即可。复合比例矩阵如下： (6-8) 像素的空间关系-几何变换基础  3. 复合旋转 类似地，对某个图像连续进行旋转变换，最后合成的旋转变换矩阵等于两次旋转角度的和，复合旋转变换矩阵如下式所示： (6-9) 像素的空间关系-几何变换基础  上述均为相对原点(图像中央)作比例、旋转等变换，如果要相对某一个参考点作变换，则要使用含有不同种基本变换的图像复合变换。不同的复合变换， 其变换过程不同，但是无论它的变换过程多么复杂，都可以分解成一系列基本变换。相应地， 使用齐次坐标后，图像复合变换的矩阵由一系列图像基本几何变换矩阵依次相乘而得到。下面通过一个例子讨论含有不同种基本变换的图像复合变换。 像素的空间关系-几何变换基础  从6.2和6.5节的讨论中可以看出，在进行图像的比例缩放、 图像的旋转变换时，整个变换过程由两部分组成，即需要两个独立的算法。首先，需要一个算法来完成几何变换本身，用它描述每个像素如何从其初始位置移动到终止位置； 同时， 还需要一个用于灰度级插值的算法。这是因为，在一般情况下，原始（输入）图像的位置坐标(x, y)为整数， 而变换后（输出）图像的位置坐标为非整数， 即产生“空穴”， 反过来也是如此。因此，一般地，在进行图像的几何变换时， 除了要进行其本身的几何变换外， 还要进行灰度级插值处理。 像素的空间关系-几何变换基础  灰度像素插值处理（两种方法）： A 像素移交－把几何变换想像成将输入图像的灰度一个个像素地转移到输出图像中。 一个输入像素被映射到四个输出像素之间，则其灰度值按照插值法在四个像素之间分配。 B 像素填充－把几何变换想像成输出图像的灰度一个像素地从到输入图像中找到对应的位置。 对应的位置落在四个像素之间，则其灰度由四个像素插值决定。 像素的空间关系-几何变换基础  图6-30 灰度级插值处理（像素变换） 像素的空间关系-几何变换基础  在像素填充法中，变换后（输出）图像的像素通常被映射到原始（输入）图像中的非整数位置，即位于四个输入像素之间。因此， 为了决定与该位置相对应的灰度值，必须进行插值运算。最简单的插值方法是零阶插值或称为最近邻插值，也叫最近邻域法，参见本书6.2节。一阶插值或称双线性插值法和零阶插值法相比可产生更令人满意的效果，只是程序稍复杂一些， 运行时间稍长一些。它的原理如图6-10和图6-31所示， 插值计算公式参见6.2.1中的公式（6-2）。 像素的空间关系-几何变换基础  像素的空间关系-几何失真校正 最邻近像元法将距离最近的邻点灰度赋给待求像素。 双线性内插-原图像坐标为 (X0,Y0)，它的输出图像坐标变换求得的(X,Y)，但在 不是整数时，就要用周围点内插出其值。双线性内插是当变换后坐标(x,y)不在网格点上，则可用与之相邻的四个整数位置上的像素灰度进行插值（或代替），比如用最接近像素代替。 线性内插具有低通性质，使高频信息受损，图像模糊。 数