数字图像处理几何变换-1.pptVIP

第五章数字图像处理中的基本运算 本章主要内容和基本要求 数字图像的基本代数运算 数字图像的几何运算 5.2 点运算 一、数字图像的代数运算 1、基本代数运算基础： 设图像 二、代数运算的用途 可以对同一场景的多幅图像求平均，以降低加性零值平稳噪声。 两幅图像叠加达到二次曝光的效果。 减去图中不需要的加性噪声。 计算两幅场景的变化。 检测轮廓，确定轮廓现。 5.3 图像的几何运算 几何运算也叫几何变换：包括图象的平移，旋转，镜象变换，转置，放缩等。 一．平移(translation)将图像沿水平或垂直方向移动位置后，获得新的图像的变换方式。例如：图像坐标中象素点（x0 ,y0)移动到（x1,y1) 位置灰度不变。 平移后出现的问题 1、如果新图中有一点（x1,y1），按照公式(2)得到的(x0,y0)不在原图中该怎么办？ 通常的做法是，把该点的RGB值统一设成(0,0,0)或者(255,255,255)。 2、平移后的图象是否要放大？ 一种做法是不放大，移出的部分被截断，如下图所示，图2为原图，图3为移动后的图。这种处理，文件大小不会改变。  还有一种做法是：将图象放大，使得能够显示下所有部分 先看x方向(width指图象的宽度) 1.tx≤-width很显然，图象完全移出了屏幕，不用做任何处理2．-widthtx≤0，如图5所示图像向左上方移动图象区域的x范围从0到width-|tx|,对应原图的范围从|tx|到width 二、旋转(rotation) 图像旋转是指图像以某一点作为轴转过一定的角度。通常的做法是以图象的中心为圆心旋转。 例如：图7旋转30度（顺时针方向）后的图象如图8所示. 可以看出，旋转后图象变大了。 图像旋转变换矩阵 先来看一下，将一个点顺时针旋转a角后的坐标变换公式，如图10所示，r为该点到原点的距离，在旋转过程中，r保持不变。b为r与x轴之间的角度。 以矩阵的形式表示 三、镜象(mirror) 镜象分水平镜象和垂直镜象两种 四、转置(transpose) 转置是指将x,y坐标对换 五、缩放（zoom） 图像比例缩放是指将给定的图像在x轴方向按比例缩放fx倍，沿y轴方向比例缩放fy。当fx＝ fy时，称为图像的全比例缩放。当fx ?fy时，图像象素间的相对位置会发生畸变。 设原图像中的点P(x0,，y0),比例缩放后在新的图像中对应点P(x,y)， P(x0,，y0)和 P(x,y)之间的对应关系如图所示： 插值算法（Interpolation） 比例缩放所产生的图像中有可能在原图中找不到相应的象素点,我们采用的做法是找与之最临近的点，我们采用的做法是找与之最临近的点 。即利用邻域的像素来估计新的像素值 的处理方法就是插值算法。 常用的插值算法有： 最邻近插值（Nearest Neighbour Interpolation）。 线形插值(Linear Interpolation)。 双线形插值（Bilinear Intrepolation） 曲线插值（Curvilinear Interpolation） （1）最临近插值 图像变换后找不到相应的象素点时，直接赋值为和它最相近的的象素值的插值算法。 例如：在图像的缩放中，将一幅6×6的图像按比例缩小，fx＝fy＝1/2,图像的长和宽均缩小到原来的一半，成为一幅3×3的图像。 原图像的象素从（0，0）到（5，5），新图像的象素从（0，0）到（2，2）。如下图： (2)线形插值 线形插值是使用原图中两个值来构造所求坐标处的值。 例如：如图所示，如果已经知道了两点x0,x2处的函数值f(x0),f(x2)，现在要求x1处的函数值f(x1)。我们假设函数是线性的，利用几何知识可以知道:  双线性插值 在图象处理中需要将线形插值扩展到二维的情况，即采用双线形插值（Bilinear Intrepolation） 例如：已知四点 f(x0,y0),f(x2,y2) ，f(x2,y0),f(x2,y2) 的灰度，要求g（x1,y1)点的灰度，可以先在水平方向上由f(x0,y0),f(x2,y2)线形插值求出g(x0,y1)，f(x2,y0),f(x2,y2)线形插值求出g(x2,y1)，然后在垂直方向上由g(x0,y1) ,g(x2,y1)线形插值求出g(x1,y1) 图像几何变换综合训练 1、已知3×3的图像如图所示 A、将此图以图形中心为轴顺钟向旋转30度 B、将此图放大2倍 C、对此图作水平镜像 1、首先将此图平移至以图像中心为原点的坐标系中 新坐标系中任一点与原坐标系的点的对应关系如下 X1=X-2 Y1=Y-2 计算旋转后的图像大小 宽度:w=w0×cos(a)+H0sin(a) 高度