ch7图像几何变换.ppt

第七章 图像的几何变换 图像处理时，往往会遇到需要对图像进行放大、缩小、旋转等操作。因为像素是离散的，所以经过坐标变换之后，如果不进行处理，就会产生畸变。 数字图像的坐标是整数，经过变换后坐标不一定是整数，因此要对变换后的整数坐标位置的像素值进行估计。 1、 图像的缩小 图像的大小减半： 2M*2N的图像缩小为：M*N的图像。 处理方法是： 取偶数行和偶数列构成新的图像。 图像的任意比例缩小： M*N大小的图像缩小为：L*S大小。 其中：M/N=L/S=k. 1.计算c=M/L (c 1) 2.设旧图像是F(x,y)，新图像是I(x,y) 则：I(x,y)=F(int(c*x), int(c*y)) 例： 图像的任意不成比例缩小 这种操作一定带来图像的几何畸变。 M*N大小的图像缩小为：L*S大小。 其中：M/L=k1, N/S=k2. 1.计算c1=k1,c2=k2 (c1,c21) 2.设旧图像是F(x,y)，新图像是I(x,y) 则：I(x,y)=F(int(c1*x),int(c2*y)) 例： 2、 图像的放大 图像的缩小操作中，是在现有的信息里如何挑选所需要的有用信息。图像的放大操作中，则需对尺寸放大后所多出来的空格填入适当的值，这是信息的估计问题，所以较图像的缩小要难一些。 图像放大1倍： 常用的方法是：原来的一个点的值填到一个2*2的小块中去。 图像的按比例放大： 方法一： 将一点的值用一个小块来代替。即： 方法二： M*N大小的图像放大为：L*S大小。 其中：M/N=L/S=k. 1.计算c=M/L (c1) 2.设旧图像是F(x,y)，新图像是I(x,y) 则：I(x,y)=F(int(c*x),int(c*y)) 如果比例太大，两种方法都会出现马赛克效应。 图像的任意不成比例放大 这种操作一定带来图像的几何畸变。 M*N大小的图像放大为：L*S大小。 其中：M/L=k1, N/S=k2. 1.计算c1=k1,c2=k2 (c1,c21) 2.设旧图像是F(x,y)，新图像是I(x,y) 则：I(x,y)=F(int(c1*x),int(c2*y)) 例： 例： 因为像素的坐标都是整数，所以当用前面的方法旋转时，会出现画面上有许多的空点，（即白点）这就影响了旋转图像的效果。为此我们还需要进行图像的空点的插值。 最简单的方法是行插值或是列插值方法： 1. 找出当前行的最小和最大的非白点的坐 标，记作：(i,k1)、(i,k2)。 2. 在 (k1,k2) 范围内进行插值，插值的方法 是：空点的像素值等于前一点的像素值。 3. 同样的操作重复M1行。 图像的减半缩小效果 图像的按比例缩小效果 图像的不按比例任意缩小 图像的成倍放大效果 图像大比例放大时的马赛克效应 图像的不按比例放大 图像的旋转效果 图像旋转中的插值处理效果 4、 MATLAB中的图像几何操作 4.1 图像的插值 插值是常用的数学运算，通常利用曲线拟合的方法。通过离散的采样点建立一个连续函数来逼近真实曲线，用这个重建的函数便可求出任意位置的函数值。 设已知函数值为w1,w2,…wL，则未知点x的函数值通过插值可以表示为： 其中，h(?)为插值核函数。 插值算法的数值精度与计算量与插值核函数有关，因此核函数的设计是插值算法的核心。 MATLAB提供了三种插值方法： 最近邻插值(nearnest neighbor interpolation) 双线性插值(bilinear interpolation) 双三次插值(bicubic interpolation) 1. 最近邻插值法 最近邻插值法的数学表示： 最近邻插值是工具箱默认的插值方法。这种方法简单，计算量小。但当图像含有精细内容时，用这种方法实现倍数放大处理，在图像中可以明显看出块状效应。 2. 双线性插值 双线性插值法的输出像素值是它在输入图像中2?2邻域采样点的平均值，它根据某像素周围4个像素的灰度值在水平和垂直两个方向上对其插值。 3. 双三次插值 双三次插值核为三次函数，其插值邻域的大小为4?4 。它的插值效果比较好，但相应的计算量也较大。 4.2 图像的插值缩放