当代摄影测量与遥感课件.pptxVIP

影像的卷积卷积的原理卷积的程序讲解下面先讲卷积的原理 卷积是影像分析和处理中的一个重要的工具。两个二维卷积的卷积定义为：对于二维离散卷积，可以将 定义为尺寸为 的离散数组；而将 定义为尺寸为 的离散数组，选择M和N作为其周期，由于傅立叶变换对的周期性，使 和 以避免重叠误差。同时，与一维卷积同样地以补零的方式将f和g构成周期性扩展序列，于是，二维离散卷积可写成一般的 是经扩展后，大小为 数字影像， 是大小为 的卷积权函数，为了使卷积权函数有中心对称的特性，一般取 ，并为奇数，上式中的常数 可以视为影像灰度的量化系数，令则可将式(1)写成001233001233001233002455003677003677x0123012302450367k-1001-1-1-2-1-2011-31430-10-14-10-10l原始影像f卷积结果卷积权函数g扩展影像y-1001-1-1-2-1-2011-3143扩展矩阵%将影像矩阵J扩展为Ia=J(:,1);I=[a J];b=I(1,:);c=I(m,:);I=[b;I;c];d=I(:,n);I=[I d];0012330012330012330024550036770036770123012302450367r=1; %卷积权函数的中心的行列位置H=zeros(size(J)); %构造卷积后的矩阵结构并将它们置0ix=0;iy=0; %控制卷积处理后的矩阵元素所处的行列位置 首先将 它们置初值为0for x=(r+1):(m1-r) %x,y是控制扩展影像矩阵的行列位置 ix=ix+1; %ix,iy是控制扩展图像矩阵元素的行列位置 iy=0; for y=(r+1):(n1-r) iy=iy+1; c=0; %c表示卷积时对应元素相乘之积 sum=0; %sum表示卷积时对应元素相乘后相加之和 for i=-r:r for j=-r:r%r的初值是1 c=double(I(x-i,y-j))*g(r+i+1,r+j+1);%x的初值是2 sum=sum+c; %将滑动窗口与权函数所得的乘积累加 end end H(ix,iy)=sum;%将累加和赋值 end 给卷积结果矩阵的对应end位置还有一种方法是将滑动窗口的矩阵上下左右翻转，然后与卷积权函数点乘得到一个矩阵B，然后对矩阵B求所有元素之和可得到相同的结果。相应的程序如下：0012330012330012330024550036770036770-10-14-10-10 for i=3:m1 for j=3:n1 %将矩阵I做上下左右翻转，再与矩阵g做点乘运算 B=double(I(i:-1:i-2,j:-1:j-2).*g); %求矩阵B的所有元素之和 H(i-2,j-2)=sum((sum(B))); end end经过卷积程序处理的结果如下：这幅图像是经过图像缩放函数直接输出的结果下面用归一化的方法输出图像，程序如下：maxx=max(max(H)); %求二维矩阵H的最大值for i=1:m for j=1:n H(i,j)=H(i,j)/maxx; endendfigure,subplot(1,2,1),imshow(J);title(原图像);subplot(1,2,2),imshow(H);title(卷积后的图像);