数字图像处理课件---封筠-Read.PPT

5.1概述 5.1概述 5.1概述 5.1概述 5.1概述 5.1概述 5.1概述 5.1概述 5.1概述 5.1概述 5.1概述 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.2退化模型 5.3无约束恢复 5.3无约束恢复 5.3无约束恢复 5.3无约束恢复 5.3无约束恢复 5.3无约束恢复 5.3无约束恢复 5.3无约束恢复 5.3无约束恢复 5.4有约束恢复 5.4有约束恢复 5.4有约束恢复 5.4有约束恢复 5.4有约束恢复 5.4有约束恢复 5.4有约束恢复 5.4有约束恢复 5.4有约束恢复 5.4有约束恢复 5.4有约束恢复 5.5几何失真校正 5.5几何失真校正 5.5几何失真校正 5.5几何失真校正 5.5几何失真校正 5.5几何失真校正 5.5几何失真校正 5.5几何失真校正 5.5几何失真校正 5.5几何失真校正 5.5几何失真校正 5.5几何失真校正 5.6投影重建 5.6投影重建 5.6投影重建 5.6投影重建 5.6投影重建 5.6投影重建 5.6投影重建 5.6投影重建 5.6投影重建 5.6投影重建 作业 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 实验三：图像恢复与分割 空间变换 利用“连接点”建立失真图像和校正图像间像素空间位置的对应关系，而这些“连接点”在输入（失真）图像和输出（校正）图像中的位置是精确已知的。 两个四边形区域的顶点可作为对应点。设在四边形区域内的几何失真过程可用一对双线性等式表示： 空间变换 由上图可知两个四边形区域共有4组（8个）已知对应点，所以8个系数ki可以全部解得。这些系数可建立将四边形区域内的所有点进行空间映射的公式。一般来说，可将1幅图分成一系列覆盖全图的四边形区域的集合，对每个区域都找足够的对应点以计算进行映射所需的系数。 可得到： 灰度插值 (Gray-level interpolation) 定义 尽管实际数字图像中的(x,y)总是整数，但由前面公式算得的(x’,y’)值可能不是整数。因为失真图g(x’,y’)是数字图像，其像素值仅在坐标为整数处有定义，所以在非整数处的像素值就要用其周围一些整数处的像素值来计算。用于完成该任务的技术称为灰度插值。 常用方法 （1）最近邻插值（Nearest neighbor interpolation ） （2）双线性插值（Bi-linear interpolation） （3） Spline 插值（ Spline interpolation） 灰度插值 最近邻插值（零阶插值） 首先将(x,y)经空间变换映射为(x’,y’)。如果(x’,y’)是非整数坐标，则寻找(x’,y’)的最近邻，并将最近邻的灰度值赋给校正图像(x,y)处的像素。虽然这种方法实现起来非常方便，其缺点是有时不够精确，甚至经常产生不希望的人为疵点，如高分辨率图像直边的扭曲。可以采用更完善的技术得到较平滑的结果，例如样条插值、立方卷积内差等。更平滑的近似所付出的代价是增加计算开销。 灰度插值 双线性插值 利用点(x’,y’)的四个最近邻的灰度值来确定(x’,y’)处的灰度值。设(x’,y’)的四个最近邻为A、B、C、D；它们的坐标分别为(i, j)、(i+1, j)、(i, j+1)、(i+1, j+1)；其灰度分别为g(A)、g(B)、g(C)、g(D)。 灰度插值 首先计算 E 和 F 这两点的灰度值g(E)，g(F)： 则(x’,y’)点的灰度值g(x’,y’)为： 举例 原始图像 最近邻插值变换 双线性插值变换 含义 前面所介绍的图像处理内容均是从图像到图像，即输入的原始数据是图像，处理后输出的是图像。但图像重建是从数据到图像，一般指从一个物体的多个轴向投影重建目标图像的过程