图像变换 - 计算机系主页.ppt

第3章 图像变换 傅立叶变换(FFT) 离散余弦变换(DCT) K-L变换 小波变换 问题的提出 为达到某种目的将原始图象变换映射到另一个空间上，使得图象的某些特征得以突出，以便于后面的处理和识别。 一般变换后的图象，大部分能量都分布于低频谱段，这对以后图象的压缩、传输都比较有利。使得运算次数减少，节省时间 线性系统 对于一般线性系统，往往是用时间作为参数来描述的，表示为一维(t)系统。在图像处理中是用空间作为参数来描述的，通常表示为二维(x,y)系统。输入函数f(x,y)表示原始图像，输出函数g(x,y)表示经处理后的图像，线性系统可看作是一种映射φ，它反映了各种线性的图像处理方法，其输入和输出的关系表示为： 二维线性系统 叠加原理 点源和狄拉克δ函数 一幅图像可以看成由无穷多极小的象素组成，每一个象素都可以看作为一个点源，因此，一幅图像也可以看成由无穷多点源所组成 数学上，点源可以用狄拉克δ函数来表示，二维δ函数定义为 满足 狄拉克δ函数性质 卷积 假设f(x)(x=0,1…,A-1)以及g(x)(x=0,1,…,C-1)是两个有限离散函数，其线性卷积为 对于图像二维函数的卷积，则 相关 2个函数的相关定义为 一维连续傅立叶变换 定义及基本概念 实例 周期函数的傅立叶变换 结论 1、只要满足一定条件，连续函数就可以进行傅立叶变换，实际上这个条件在工程应用中很容易满足。 2、连续非周期函数的傅立叶谱是连续的非周期函数，连续的周期函数的傅立叶谱是离散的非周期函数。 二维连续傅立叶变换 离散傅立叶变换 由于实际问题的时间或空间函数的区间是有限的，或者是频谱有截止频率 离散傅立叶变换(Discrete Fourier Transform－简称DFT)在数字信号处理和数字图像处理中应用十分广泛，它建立了离散时域和离散频域之间的联系 二维离散傅立叶变换 由于图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。 如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。 傅立叶变换在实际中的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。 从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。 从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。 换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。 傅立叶变换的性质 离散傅立叶变换和逆变换都是周期函数，为了防止卷积后产生交叠误差，需要对离散的二维函数的定义域加以扩展。 利用一维函数来说明函数定义域的扩展，设f(x)(x=0,1…. A-1)和g(x)(x=0,1,….C-1)是两个有限的离散函数，也就是说f(x)定义域为0≤x≤A-1，g(x)的定义域为0≤x≤C-1。则其线性卷积为 如果利用卷积定理来计算该卷积，则相当于把f(x)和g(x)分别以A和C为周期进行周期延拓，因此，将上式改写为(一个周期) 求得结果将不是需要的z(x)，而是周期循环的 为了避免循环卷积，可以对原被卷积函数补零。由于卷积结果的长度为N=A+C-1，因此，可以把两个被卷积的函数的长度扩展到N，并在原函数定义区间外的部分补零，即取 在离散情况下，与离散卷积一样，需要用增补零的方法扩充f(x,y)和g(x,y)为fe(x,y)和ge(x,y)，并根据卷积定理相类似的方法来选取M和N，以避免在相关函数周期内产生交叠误差。 快速傅立叶变换(FFT) 离散傅立叶变换已成为数字信号处理的重要工具，然而，它的计算量达，运算时间长，在某种程度上却限制了它的使用范围。 快速算法大大提高了运算速度，在某些应用场合已能作实时处理，并且应用在控制系统中 快速傅立叶变换不是一种新的变换，它是离散傅立叶变换的一种算法，它是在分析离散傅立叶变换中的多余运算的基础上，进而消除这些重复工作的思想指导下得到的 实例 离散余弦变换 离散余弦变换(Discrete Cosine Transform-简称DCT)是傅里叶变换的一种特殊情况。在傅里叶级数展开式中，被展开的函数是实偶函数时，其傅里叶级数中只包含余弦项，称之为余弦变换 DCT计算复杂性适中，又具有可分离特性，还有快速算法，所以被广泛地用在图象数据压缩编码算法中，如JPEG、MPEG-1、MPEG-2及H.261等压缩编码国际标准都采用了离散余弦变换编码算法 其变换核－是为实数的余弦函数，因而DCT的计算速度比DFT快得多 对于具有一阶马尔可夫过程的随机