数字图像分析第2章2.4.ppt

2·4 变换(Transforms) 2.4.1 离散傅立叶变换(DFT) 2·4·2 离散余弦变换(DCT) 2·4·3 哈达玛变换(WHT) 2·4·4 斜变换（ST） 2·4·5 K-L变换 2·4·6 小波变换 图象变换技术为图象处理和分析提供了一类方法。 该方法将原定义在图象空间的图象以某种形式转换到另外一些空间，并利用在这些空间特有的性质进行一定的加工，然后再转换回图象空间。这样可以方便的得到所需要的结果。 变换的种类很多，常用的变换常常是正交变换。 本节讨论用于图像处理和分析的一些变换。 2·4·1 离散傅立叶变换(DFT) The Discrete Fourier Transform 1、二维离散傅立叶变换式 对于N×N的二维矩阵（方阵） 二维离散傅立叶变换对为： 2、二维变换的矩阵表示： F = P f Q f = P-1 F Q-1 变换对称可分离时： F = W f W f = W-1F W-1 对于对称可分离的变换，可用一维变换实现二维变换 3、二维DFT的性质 线性 比例 位移 卷积 旋转 2·4·2 离散余弦变换(DCT)The Discrete Cosine Transform 余弦（cos）变换是由傅立叶变换发展而来的。 余弦变换有很好的性能，得到了广泛的应用。 二维(N×N)离散余弦变换对 2·4·3 哈达玛变换(WHT)The Hadamard Transform 有一类统称沃尔什（Walsh）的变换,其基函数与DFT和DCT不同，不是正弦形的，而是方波的各种变形。 在这类变换中，哈达玛（Hadamard）变换在图象处理中应用比较广泛。哈达玛变换简记为WHT. 哈达玛变换的递推式 2K×2K WHT的递推式 ： WHT的变换对： F = H f H f = (1/N2)H F H 2·4·4 斜变换（ST）The Slant Transform (ST) 变换矩阵的基矢量与原图象的相似程度和去相关的程度有密切的关系。 若变换矩阵的基矢量与图象越相象，则变换后能量的集中程度越高。 大部分图象的灰度分布呈如下特征： 有恒定不变的部分，也有随距离线性增加和减少的部份。 若变换矩阵有“倾斜”的特征，性能会比较好。 斜变换就是把“倾斜”的基本矢量引入沃尔什变换，加以改造而形成的。 ST的递推式 2K×2K ST的递推式 ： 2·4·5 K-L变换The Karhunen-Loeve Transform 对于零均值的f(x,y)，可以找到一组正交变换基?mn, ?mn满足积分方程： 用这样的正交基系列进行变换，可使变换后完全去相关。 该变换的变换核要根据原信号的统计性质求出。 以一维矢量为例导出K-L变换对 1、一维列矢量 2、求其协方差矩阵 3、求协方差矩阵的特征矢量和特征值 4、按特征值由大到小排列，将对应的特征矢量组成变换核[T]。 性能比较（粗略表示） DWT图例 小波变换的主要应用 * * DFT矩阵的元素 （适用于方阵） 条纹图 DFT图例 DFT图例 DFT图例 典型图象的频谱 取离散值 WHT基图象 ST基矢量 图象点序列： （1，1）,（1，2）， （2，1）,（2，2）,（2，3）， （3，1）,（3，2）,（3，3)， (4，2), (4，3), (4，4), (4，5),（4，6）， （5，3）,（5，4）,（5，5）,（5，6）,（5，7）， （6，4）,（6，5）,（6，6）,（6，7）,（6，8）， （7，5）,（7，6）,（7，7）,（7，8） 均值 协方差 K-L变换一例 在维数小时，可由本征多项式为零求协方差矩阵的本征值，有： 再把本征值代入 求出特征矢量： 把相互垂直的二特征矢量作为新的坐标，新坐标的主轴方向为所变换数据方差最大的方向 。 计算量 误差 K-L 大 小 DCT DFT ST WHT 小 大 图示变换性能