西安交通大学数字图像处理第二次作业.docxVIP

数字图像与视频处理第二次作业姓名：/班级：学号：提交日期：摘 要：图像的灰度显示和几何变换是图像处理的一个重要方面。本文首先讨论图像的灰度和灰度级，并利用Matlab软件对同一副图像进行不同灰度级的显示，然后编写程序计算图像的均值和方差，并与Matlab专用函数的计算结果进行对比，得到关于方差的有偏估计和无偏估计的讨论。在灰度内插方面，本文从算法入手，详细讨论最近邻、双线性和双三次内插的方法，并结合实例对比分析得到三种方法各自的优缺点。在坐标变换方面，本文具体地给出了几种仿射变换的仿射矩阵，并以偏移变换和旋转变换为例，对图像进行实际的处理，以求直观地理解各变换矩阵的作用。关键词：Matlab灰度级图像内插剪切变换旋转变换图像的不同灰度级显示图像灰度和灰度级灰度是指黑白图像中像素的颜色深度，灰度的最小值为0指示黑色，而最大值指示白色，不同灰度级的图像其灰度值有不同的范围，通常8比特图像的灰度值范围是0-255，一幅k比特的图像，其灰度级为通常一幅图像的灰度级越高，显示出来的细节越清晰，但是占用的存储空间也就越大。当一幅图像以两个灰度级显示时，实际上就成了一幅只有纯黑纯白两色的0-1图像，此时图像中的很多信息都会损失掉。利用Matlab中的图像处理函数可以很容易地实现同一幅图向的不同灰度级显示。函数说明Matlab中有专门的函数可以实现图像的不同灰度级显示，以下对相关函数做出说明：（1）I=imread(FILENAME,FMT)：函数用于以二维矩阵形式打开图像文件，FILENAME和FMT 参数分别指文件目录和格式，其中FMT可以省略；（2）imshow(I,[LOW HIGH]) ：用于显示图像I，低于LOW的像素显示为黑色，高于HIGH的像素显示为白色，介于LOW和HIGH之间的用其灰度级的默认值的中间色调显示。借助以上两个函数，在Matlab中编程实现lena.bmp图像的不同灰度级显示，详细代码见附录，结果如下图所示。图1lena.bmp的不同灰度级显示结果讨论从上图可以看出，随着灰度级的降低，图像的最大灰度值与最小灰度值之差越来越小，也就是图像的动态范围逐渐缩小，图像中的细节越来越不显著，损失的信息越来越多，直观的视觉效果越来越差。将以上各图放大观察，可以发现在灰度级递降显示图片时，灰度变化剧烈的边缘处发生的变化不大，而在灰度缓变区域会出现明显的失真。图像8-5位显示时，若不放大观察效果不是很显著，继续降低则发生较为明显的失真。如果以对应的位数保存这些图像，那么随着灰度级的降低，图像占用的存储空间必然逐渐减小。数字图像的均值和方差均值和方差的定义数字图像一般以二维矩阵的形式来表示，把这些像素的灰度数据看成样本值，那么就可以引入一些统计特征来描述它们，最常用也最简单的就是均值和方差。如果以表示一幅M×N图像的像素灰度值，那么它的均值可以表示为均值描述了一组数据的平均水平，用在图像上也就是图像的平均灰度，均值越大那么图像的总体“色调”越亮，均值越小那么图像的总体“色调”越暗。若要反映像素灰度值的离散程度，则要用到方差这个指标，定义如为S的平方根还定义为标准差，它和样本具有相同的量纲。如果一幅图像的方差或者标准差越大，那么像素灰度值越分散。计算结果本文利用Matlab编程根据公式计算lena.bmp的均值和方差分别为：将以上结果与Matlab中的mean2()和std2()函数（取平方）的计算结果对比，发现均值计算结果完全相同，而方差则存在轻微的差异（详见附图1）。这是因为2.1中定义的方差是一个有偏估计量，而std2()函数计算的标准差是由无偏方差开平方得到的，二者不同仅在于有偏方差最后除以MN，而无偏方差最后除以MN-1。在样本容量较大时二者一般只会有轻微的差异，而在样本容量较小时则会产生较大的不同。源程序见附录。三种图像内插方法的分析和比较内插是在诸如放大、收缩、旋转和几何校正等许多操作中广泛使用的基本工具，它是一种利用已知数据估计未知位置数值的处理方法。例如在图像的放大处理中，原图像放大2倍则会有一半的位置像素值无法直接得到，这时候就需要进行内插处理来填补空缺位置。最常用的图像内插方法有最近邻内插、双线性内插和双三次内插。内插方法介绍最近邻内插顾名思义，就是将目标图像各点的像素值设为在原图像中与其最近的点[1]。假设源图像的宽度和高度分别为和, 缩放后的目标图像的宽度和高度分别为和, 那么长宽扩张比例定义为对于目标图像中的点坐标对应原图像中的点，且有满足双线性内插双线性内插，又称为双线性插值。在数学上，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。与最近邻内插法不同的是，双线性内插利用4个最近邻去估计给定位置的灰度值，赋值由如下公式得到：其中四个系数可以用的四个最近邻点写