数字图象处理_第5章(10.10).pptVIP

5.5.1 空间变换 设原图象为f x, y ，受到几何形变的影响变成g x’, y’ 。则变化可表示为： x’ s x, y y’ t x, y 其中s x, y 和t x, y 代表产生几何失真图象的两个空间变换。 如果是线性失真，s x, y 和t x, y 可写为： s x, y k1x + k2y + k3 t x, y k4x + k5y + k6 对一般的 非线性 二次失真，s x, y 和t x, y 可写为： s x, y k1+ k2x + k3 y + k4x2 + k5 x y + k6 y 2 t x, y k7+ k8x + k9 y + k10x2 + k11 x y + k12 y 2 如果知道s x, y 和t x, y 的解析表达，就可以通过反变换来恢复图象。 在实际中通常不知道解析表达，为此我们需要在恢复过程的输入图 失真图 和输出图 校正图 上找—些其位置确切知道的点 称为约束对应点，或特征点 ，然后利用这些点建立两幅图间其它象素空间位置的对应关系。 设在四边形区域内的几何失真过程可用一对双线性等式表示，即：s x, y k1x+ k2y + k3 xy + k4 t x, y k5x+ k6y + k7 xy + k8 校正图上的点为： x’ k1 x + k2 y + k3 x y + k4 y’ k5 x + k6 y + k7 x y + k8 由两个四边形区域共4组 8个 已知对应点，可求出上面两式中的8个系数ki，i 1，2，…，8。 由这些系数可建立将四边形区域内的所有点进行空间映射的公式。 三角形线性法： x’ k1 x + k2 y + k3 y’ k4 x + k5 y + k6 由两个三角形区域共3组 6个 已知对应点，可求出上面两式中的6个系数ki，i 1，2，…，6。 由这些系数可建立将三角形区域内的所有点进行空间映射的公式。对图象中不同的三角形区域，这六个系数是不一样的。 本方法计算简单，能满足一定的精度要求，一般控制点数越多，分布越均匀，则精度越高。 5.5.2 灰度插值 尽管实际数字图象中的 x，y 总是整数，但由 x’ k1 x + k2 y + k3 x y + k4 y’ k5 x + k6 y + k7 x y + k8 两式算得的 x’, y’ 值可能不是整数。 失真图 g x’, y’ 是数字图象，其象素值仅在坐标为整数处有定义，所以在非整数处的象素值就要用其周围一些整数处的象素值来计算。 这叫灰度插值，可用下图来解释。 灰度插值的方法有许多种 最近邻插值 双线性插值 三次插值 在灰度插值的方法中： 最简单的是最近邻插值，也叫零阶插值。 最近邻插值就是将与（x’, y’ 点最靠近的象素的灰度值作为 x’，y’ 点的灰度值，赋给原图 x, y 处象素 见下图 。 这种方法的缺点是有时不够精确。但它的计算量较小。 一种较好的折衷方法是双线性插值。 它利用 x’，y’ 点的4个最近邻象素的灰度值根据下面方法计算 x’，y’ 点处的灰度值。 参见下图，设 x’，y’ 点的4个最近邻象素为A、B、C、D。它们的坐标分别为 i, j 、 i+1, j 、 i, j+1 、 i+1, j+1 。它们的灰度值分别为 g A ，g B 、g C 、g D 。首先计算E和 F这两点的灰度值g E 和g F 。 g E x’-i [g B -g A ]+g A g F x’-i [g D -g C ]+g C 则 x’，y’ 点的灰度值g x’，y’ 为： g x’，y’ y’-j [g F -g E ]+g E 常用的公式是： g x’，y’ 1-? 1-? g A + ? 1-? g B + 1-? ?g C + ??g D ? x’-i，? y’-j 双线性插值得到的结果比较平滑，但由于改变了像素的灰度值，往往会使边界产生模糊。 这种方法精确度比较高，但其计算量较大。 以上方法可以推广到3-D图象的灰度插值。 （4 在实际应用中， 和 经常是未知的，但可用一常数k来表示噪声和信号的功率谱密度比，则： 5.4 图像的有约束最小二乘恢复 该式可以使退化图像得到一定程度的恢复，但不一定是最佳恢复。实际应用中，k可通过已知的信噪比来获得。 图5.4.1将不同噪声水平下的反向滤波恢复图像与维纳滤波恢复图像进行比较。可以看出，在强噪声的情况下维纳滤波恢复图像效果明显优于反向滤波，即使在低噪声的情况下，反向滤波的结果也不能令人满意。 5.4 图像的有约束最小二乘恢复 b c d e f g h i （a）被高斯噪声污染的图像；