图像变换(非常重要的内容)汇编.ppt

3．1 图像变换的预备知识 一．线性系统 1 ．系统的定义： 接受一个输入，并产生相应输出的任何实体。 系统的输入是一个或两个变量的函数，输出 是相同变量的另一个函数。 3 ．线性系统位移不变性的定义： 对于某线性系统，有： x(t) y(t) 当输入信号沿时间轴平移T，有： x(t - T) y(t - T) 则称该线性系统具有位移不变性 二．卷积 卷积的定义 离散一维卷积 二维卷积的定义 离散二维卷积 相关的定义 1 ．卷积的定义 对于一个线性系统的输入f(t)和输出h(t)，如果有如下关系： ? h(t) = ? g(t - ?)f(?)d? 记为：h = g * f -? g(t)称为冲激响应函数。 h(t)为f(t) 与g(t)的卷积。 上式就是卷积积分的一般表达式 2 ．离散一维卷积 h(i) = f(i)*g(i) = ? f(j)g(i-j) j 3 ．二维卷积的定义 h(x,y) = f*g ? = ? ? f(u,v)g(x – u, y – v)dudv -? 4 ．离散二维卷积 h(x,y) = f*g = ? ? f(m,n)g(x – m, y – n) m n 霍特林变换(Hotelling) K_L变换又称为Hotelling变换和主成分分析。 当变量之间存在一定的相关关系时，可以通过原始变量的线性组合，构成为数较少的不相关的新变量代替原始变量，而每个新变量都含有尽量多的原始变量的信息。这种处理问题的方法，叫做主成分分析，新变量叫做原始变量的主成分。 在获取、通过通信信道传输任何一副图象时，总是混杂有许多随机干扰因素，如：摄像中的电路热噪声、传输中的电磁干扰、数字化过程中的量化误差等，最终得到的大部分图象都含有随机的性质。hotelling变换（K-L变换、特征向量变换）正是针对此类广泛的随机图象提出的，当对图象变换后，由变换结果而恢复的图象将是原图象在统计意义上的最佳逼近。 霍特林变换是基于图像的统计特性的变换，可直接用于对数字图像进行变换。 一、求均值矢量和协方差矩阵 设一组M个如下形式表示的随机矢量 xk=[xk1 xk2 … xkN ]T，k=1,2,…,M 这组矢量的均值矢量为mx=E{x}； E{·}表示期望值； 协方差矩阵Cx = E{（x- mx）（x- mx）T} 因为x是N阶的，所以Cx是N*N阶矩阵，为实对称矩阵； Cx的元素Cii是各矢量的第i个分量组成的矢量xi的方差； Cx的元素Cij是第i分量组成的矢量xi和第j个分量组成的矢量xj之间的协方差； 如果xi和xj不相关，协方差为0； Cx= Ci= 0； 近似计算公式： mx = （1/M）∑xk；（k=1,…,M） Cx = （1/M） ∑xk xkT - mxmxT；（k=1,…,M） 举例： 二、特征值和特征向量的计算（?i、ei） 矩阵Cx是一个实对称矩阵，会有一组N个正交特征值； 令ei和? i （i=1,…,N-1）分别为Cx的特征向量和对应的特征值。 且?i ≥?i+1 （i=1,…,N-1），单调排列； 求ei和? i 举例： 2．DCT与PCA的关系 2.8 其它正交变换 1．Haar 变换 2．斜变换 本章小结 傅立叶变换（FFT） 具有快速算法，数字图象处理中最常用。需要复数运算。可把整幅图象的信息很好地用若干个系数来表达。 余弦变换（DCT） 有快速算法，只要求实数运算。在相关性图象的处理中，最接近最佳的K_L变换，在实现编码和维纳滤波时有用。同DFT一样，可实现很好的信息压缩。 沃尔什-哈达玛变换(WHT) 在数字图象处理的硬件实现时有用。容易模拟但很难分析。在图象数据压缩、滤波、编码中有应用。信息压缩效果好。K_L变换(KLT) 在许多意义下是最佳的。无快速算法。在进行性能评估和寻找最佳性能时有用。对小规模的向量有用，如彩色多谱或其他特征向量。