第3章图像转换.ppt

数字图像处理 (Digital Image Processing）;第三章 图像变换;3.1 引言;3.2 空域变换;;=;线性变换;(1) 图象求反;(2) 对比度拉伸;(3) 动态范围压缩;2. 几何变换 图像在生成过程中，由于系统本身具有非线性或拍摄角度不同，会使生 成的图像产生几何失真。几何失真一般分为系统失真和非系统失真。系统失 真是有规律的、能预测的；非系统失真则是随机的。 几何变换可以改变图像中物体之间的空间关系。这种运算可以看成是图 像内的各物体在图像内移动的过程。例如，物体的转动、扭曲、倾斜、拉伸 等等，都是几何运算的结果。如下图：;1）平移;3）旋转;;;6）一般的几何变换 下图显示了在失真和相应的校正图像中的四边形区域，四边的顶点是相 应的“控制点”。假设四边形区域中的几何形变过程用双线性方程对来建模， 即： ;7）几何变换中灰度插值 对图像作定量分析时，就要对失真的图像进行几何校正（即将存在几 何失真的图像校正成无几何失真的图像），以免影响分析精度。基本方 法是先建立几何校正的数学模型；其次利用已知条件确定模型参数；最后 根据模型对图像进行几何校正。通常分为两步： (1) 图像空间的坐标变换； (2) 确定校正空间各象素的灰度值。 输出象素通常被映射到输入图像中的非整数位置，即位于四个输入象 素之间。因此，为了决定与该位置相对应的灰度值，必须进行插值运算。 常用的插值方法有3种： (1) 最近邻插值(Nearest Neighbor Interpolation) (2) 双线性插值(Bilinear Interpolation) (3) 三次立方插值 ;(1) 最近邻插值(Nearest Neighbor Interpolation) 最简单的插值方法是最近邻插值，即选择离它所映射到的位置最近的 输入象素的灰度值为插值结果。数学表示为： (2) 双线性插值(Bilinear Interpolation) 双线性插值法是对最近邻法的一种改进，即用线性内插方法，根据点 的四个相邻点的灰度值，分别在x和y方向上进行两次线性插值插值。如下 图：;首先，在x方向上作线性插值，对上端的两个顶尖进行线性插值得： ;(3) 三次立方插值 该方法利用三次多项式 来逼近理论上的最佳插值函数 ，其 数学表达式为： 上式中的是周围象素沿方向离原点的距离。待求象素的灰度值由其周 围16个点的灰度值加权内插得到。可推导出待求象素的灰度值计算式为：;; 3.3 图像频域变换;x1(t) + x2(t) y1(t) + y2(t) 从而有： a·x1(t) a·y1(t);卷积的定义 ??对于一个线性系统的输入f(t)和输出y(t)，其间必定存在关系： ??;脉冲函数的极限定义：脉冲函数可以看成是一系列函数的极限，这些函数的振幅逐渐增大，持续时间逐渐减少，而保持面积不变。??;;;;2.正交变换;正交函数集合的完备性;可有：;正交函数集合完备性图例;正交函数的离散情况;正交函数的离散情况;一般范式—酉变换;二维酉变换;;;;;;;将图像看成是线性叠加系统； 图像在空域上具有很强的相关性； 图像变换是将图像从空域变换到其它域如频域的数变换； 借助于正交变换的特性可使在空域上的复杂计算转换到频域后得到简化； 借助于频域特性的分析，将更有利于获得图像的各种特性和进行特殊处理。;将离散图象的正交变换为图象信号在一组二维离散完备正交基上的展开,这种正交基展示具有无损重构的性质,以及图象能量的集中和图象信号元素的去相关性能,在图象处理中具有重要的作用。 若离散图象f(m,n)及其在离散完备正交基{a(u,v;m,n)}上的展开系数为g(u,v)，即：;1、二维离散完备正交基{a(u,v;m,n)}的正交性满足;3.4 离散傅立叶变换;f(x)为连续可积函数，其傅立叶变换定义为：;可进一步写为指数形式：;变换分析的直观说明：;一维傅立叶变换举例：;几种特殊函数的傅里叶变换：;sin(x)/x类函数：;常数函数：;脉冲函数：;余弦函数：;一维离散傅立叶变换(DFT);2）2D傅立叶变换 傅立叶变换可推广到二维函数。如果二维函数f(x,y)满足狄里赫莱条件，那么存在下面的二维傅立叶变换对：;2.离散傅立叶变换 如果x(n)为一数字序列，0≤n≤N-1,则其离散傅立叶变换定义如下：;