图像处理-6.pptVIP

常用几何变换 几何校正图像复原 6.1.4 图 像 镜 像 水平镜像：将图像左半部分和右半部分以图像垂直中轴线为中心进行镜像对换 垂直镜像：将图像上半部分和下半部分以图像水平中轴线为中心进行镜像对换 注意 以上讨论是绕坐标原点（0，0）进行的。 如果图像旋转是绕一个指定点（a，b）旋转，则要将坐标系平移到该点，再进行旋转，然后将旋转后的图像平移回原来的坐标原点。 6.2 图像的几何校正 6.2.1　空间变换：坐标的几何校正 对于图中的两个四边形来说，已知的对应点有4组共8个，根据式（a）和式（b）可有： 求解由上述8个关系式组成的方程组即可解出8个待定的系数ai、bi，i=1，2，3，4。再把这些系数带入由上述8个关系式组成方程组，就建立了校正四边形区域内所有像素点的空间变换公式（模型）。 (c) (d) 不管是原图像f(x,y)，还是产生了几何畸变的失真图像g(x’,y’)，其像素值都应定义在整数坐标上，也即x、y、x’、y’都应是整数值。然而在图像恢复过程中，根据确定的待定系数建立的空间变换模型计算出的x’和y’可能是非整数值，这样用非整数值的坐标位置(x’，y’)确定的一个到g的映射就会没有灰度定义，所以就要用其周围的整数坐标位置上的像素值来推算该非整数的坐标位置的像素值，实现这种功能的技术就称为灰度插值。 6.2.2 灰度插值：灰度值恢复 最近邻插值法示意图: 6.2.2 灰度插值：灰度值恢复 所谓最近邻插值，就是将离(x’，y’)点最近的像素的灰度值看作是(x’，y’)点的灰度值赋给理想非失真图像 的位于(x，y)处的像素。 利用最近邻插值法对图像几何畸变进行校正的步骤： （1）确定理想非失真图像和失真图像上的四边形及其对应点，并利用式(c)和式(d)建立方程组及其变换公式，把整数坐标(x，y)映射到非整数坐标(x’，y’)。 （2）选择与(x’，y’)相邻最近的整数坐标。 （3）把第（2）步确定的整数坐标处的像素值赋给位于(x，y)处的像素。 6.2.2 灰度插值：灰度值恢复 系统失真是有规律的、能预测的；非系统失真则是随机的。 数字图像在获取过程中，由于成像系统的非线性，成像后的图像与原景物图像相比，会产生比例失调，甚至扭曲，我们把这类图像退化现象称之为几何畸变。 此矩阵的第一、二列构成单位矩阵，第三列元素为平移常量。由上述可知，对2D图像进行变换，只需要将图像的点集矩阵乘以变换矩阵即可，2D图像对应的点集矩阵是2×n阶的，而上式扩展后的变换矩阵是2×3阶的矩阵，这不符合矩阵相乘时要求前者的列数与后者的行数相等的规则 从上式可以看出，引入附加坐标后，扩充了矩阵的第3行， 并没有使变换结果受到影响。这种用n＋1维向量表示n维向量的方法称为齐次坐标表示法。 下面讨论3×3阶变换矩阵中各元素在变换中的功能。几何变换的3×3矩阵的一般形式为 设原图像中的点P0(x0,y0)比例缩放后，在新图像中的对应点为P(x, y)，则P0(x0,y0)和P(x, y)之间的对应关系如图6-3所示。 下面首先讨论图像的比例缩小。最简单的比例缩小是当 fx=fy=1／2时，图像被缩到一半大小，此时缩小后图像中的(0， 0)像素对应于原图像中的(0， 0)像素； (0， 1)像素对应于原图像中的(0， 2)像素； (1， 0)像素对应于原图像中的(2， 0)像素， 依此类推。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。此时， 只需在原图像基础上，每行隔一个像素取一点，每隔一行进行操作，即取原图的偶（奇）数行和偶（奇）数列构成新的图像，如图6-4所示。如果图像按任意比例缩小， 则需要计算选择的行和列。 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 图像在缩小操作中，是在现有的信息里如何挑选所需要的有用信息。而在图像的放大操作中，则需要对尺寸放大后所多出来的空格填入适当的像素值，这是信息的估计问题，所以较图像的缩小要难一些。当fx＝fy＝2时，图像被按全比例放大2倍， 放大后图像中的(0，0)像素对应于原图中的(0，0)像素；(0，1)像素对应于原图中的(0，0.6)像素，该像素不存在，可以近似为(0，0)也可以近似 (0，1)； (0，2)像素对应于原图像中的(0，1)像素；(1，0)像素对应于原图中的(0.6，0)，它的像素值近似于(0， 0)或(1，0)像素； (2，0)像素对应于原图中的(1，0)像素，依此类推。其实这是将原图像每行中的像素重复取值一遍，然后每行重复一次。图6-6是原始图像，图6-7和图6-8是分别采用上述两种近似方法放大后的图像。 这样，平移后的图像上的每一点都