03第三章 图像及几何变换.pptVIP

当fx≠fy(fx, fy＞0)时 图像在x方向和y方向不按比例放大， 此时， 这种操作由于x方向和y方向的放大倍数不同，一定带来图像的几何畸变。 放大的方法是将原图像的一个像素添到新图像的一个k1×k2的子块中去。 灰度级插值处理 另一种更有效的灰度级插值处理方法是像素填充（pixel filling）或称为向后映射算法。 输出像素一次一个地映射回到原始（输入）图像中，以便确定其灰度级。如果一个输出像素被映射到四个输入像素之间，则其灰度值由灰度级插值决定，如图3-30所示。向后空间变换是向前变换的逆变换。 在像素填充法中，变换后（输出）图像的像素通常被映射到原始（输入）图像中的非整数位置，即位于四个输入像素之间。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。最简单的插值方法是零阶插值或称为最近邻插值，也叫最近邻域法。 图3-31 双线性插值 3.3 图 像 平 移 3.3.1 图像平移变换 图3-12 图像平移 设点P0(x0, y0)进行平移后，移到P(x, y)，其中x方向的平移量为Δx，y方向的平移量为Δy。那么，点P(x, y)的坐标为 利用齐次坐标，变换前后图像上的点P0(x0, y0)和P(x, y)之间的关系可以用如下的矩阵变换表示为 （3-2） 对变换矩阵求逆，可以得到式（3-2）的逆变换 即 3.4 图 像 镜 像 3.4.1 图像镜像变换 图像的镜像(Mirror)变换分为两种：一种是水平镜像，另外一种是垂直镜像。图像的水平镜像操作是将图像左半部分和右半部分以图像垂直中轴线为中心进行镜像对换；图像的垂直镜像操作是将图像上半部分和下半部分以图像水平中轴线为中心进行镜像对换，如图3-16所示。 图3-16 图像的镜像 图像的镜像变换也可以用矩阵变换表示。设点P0(x0, y0)进行镜像后的对应点为P(x, y)，图像高度为fHeight，宽度为fWidth， 原图像中P0(x0, y0)经过水平镜像后坐标将变为（fWidth-x0，y0）， 其矩阵表达式为： (3-3) 逆运算矩阵表达式为 即 同样， P0(x0, y0)经过垂直镜像后坐标将变为(x0，fHeight-y0)， 其矩阵表表达式为 (3-4) 逆运算矩阵表达式为 即 图3-18 水平镜像 图3-19 垂直镜像 图3-17 镜像前的图像 * 第三章 图像的几何变换 第三章 图像的几何变换 3.1 几何变换基础 3.2 图像比例缩放 3.3 图像平移 3.4 图像镜像 3.5 图像旋转 3.6 图像复合变换 3.7 应用实例 3.1 几何变换基础 3.1.1 概述 图像的几何变换，就是按照需要使图像产生大小、形状和位置的变化。 从变换的性质分：图像的几何变换有平移、比例缩放、旋转、反射、镜像等基本变换；透视、转置等复合变换，以及插值运算等。 除了插值运算外，常见的图像几何变换可以通过与之对应的矩阵线性变换来实现。 为了能够用统一的矩阵线性变换形式来表示和实现这些常见的图像几何变换，需要引入一种新的坐标，即齐次坐标。 3.1.2 齐次坐标 现设点P0(x0, y0)进行平移后，移到P(x, y)，其中x方向的平移量为Δx，y方向的平移量为Δy。那么，点P(x, y)的坐标为 如图3-1所示： 图3-1 点的平移 这个变换用矩阵的形式可以表示为 要实现平移变换，平面上点的变换矩阵 需要使用2×3阶变换矩阵，取其形式为 此矩阵的第一、二列构成单位矩阵，第三列元素为平移常量。 所以需要在点的坐标列矩阵［x y］T中引入第三个元素，增加一个附加坐标，扩展为3×1的列矩阵［x y 1］T，这样用三维空间点（x, y, 1）表示二维空间点（x, y），即采用一种特殊的坐标，可以实现平移变换，变换结果为 由此可得平移变换矩阵为： 通常将2×3阶矩阵扩充为3×3阶矩阵，以拓宽功能。下面再验证一下点P (x, y)按照3×3的变换矩阵T平移变换的结果。 从上式可以看出，引入附加坐标后，扩充了矩阵的第3行， 并没有使变换结果受到影响。这种用n＋1维向量表示n维向量的方法称为齐次坐标表示法。 因此，2D图像中的点坐标(x, y)通常表示成齐次坐标（Hx, Hy, H），其中H表示非零的任意实数，当H＝1时