图像处理第五章 图像变换.pptVIP

平移性质平移性 f(x,y) (-1)x+y ?F(u-N/2,v-N/2) 平移性 |F(u,v)exp[j2?(ux0+vy0)/N]|=|F(u,v)| 旋转性质 尺度变化(相似性) 傅立叶 傅立叶变换注意的问题： 两个缺点： (1)要进行复数运算，计算比较费时 实用中还采用如沃尔什(Walsh)变换等。 (2)很多图像的高频项衰减的很快，在频域不清楚。 解决方法： 一维ＤＣＴ 偶对称偶函数 公式说明 对0～2N-1这2N个点做DFT。 令 带回原式 偶对称偶函数 DCT矩阵的左上角代表低频分量，右下角代表高频分量。 由DCT域图像我们能够了解图像主要包含低频成份。 本 章 结 束 第5章 5.3 离散余弦变换 变换计算 对离散余弦变换的计算可借助离散傅里叶变换的实部计算来进行。以1-D为例，可以写出： 其中g(x)表示对f(x)的如下重排： DCT域图像 空间域图像 图像的傅里叶变换是使用最广泛的一种变换，在图像处理中起着关键的作用，也是理解其他变换的基础，它可广泛地用于图像特征提取、图像增强等方面。在图像增强方面虽有着广泛地应用，但由于运算过程中涉及复数运算，所以在实时系统中很难使用。而离散余弦变换在图像压缩算法中获得了广泛的应用。把傅里叶变换的理论同其物理解释相结合，将有助于解决大多数图像处理问题。 第5章 5.4 霍特林变换 霍特林变换是一种与FT、Walsh、Hadamard、DCT都很不相同的变换，是基于图像统计特性的变换。能将离散图像变换为一系列不相关系数，可直接用于对数字图像进行变换。它在连续域的对应变换是KLT。KLT变换能将连续图像变换为一些列不相关系数。霍特林变换也常称为特征值变换、主分量变换、主元变换或离散KLT变换，近年在人脸识别等方面得到广泛应用。 霍特林变换是图像模式识别中得到广泛应用的主分量分析（PCA）的基础。 第5章 5.4 霍特林变换 变换的计算 M个N阶矢量 第5章 5.4 霍特林变换 变换的计算 Cx是N ? N 阶实对称矩阵 Cii是各矢量的第i个分量 组成的矢量xi的方差 Cij是矢量xi和矢量xj 之间的协方差 第5章 5.4 霍特林变换 变换的计算 变换基本步骤 (1) 选3个以上点的坐标构成一组矢量 x (2) 计算x的均值矢量mx和协方差矩阵Cx (3) 计算 Cx 的特征值，获得特征矢量矩阵A (4) 霍特林变换：用A乘以原始矢量和均值 矢量的差 y： 均值为零 第5章 5.4 霍特林变换 变换的特点 用霍特林变换将x映射到y实际上是建立了一个新的坐标系，其坐标轴在Cx的特征矢量方向上。 变换是一个将物体主轴沿特征矢量对齐的旋转变换。 第5章 5.4 霍特林变换 变换的特点 近似重建（在均方误差意义下最优） 从 y 重建 x ： A的各行都是正交归一化矢量，A–1 = AT 近似重建： 均方误差： 二维FFT?一维FFT程序实现 Y不变，X方向每一行一维变换FT X不变，Y方向每一列一维变换FT 傅立叶变换需要复数的乘法和加法运算，而复数运算比实数运算要费时得多。离散余弦变换是实值变换，它广泛应用于语音和图像的压缩。 1、常数项是为了保证变换基的规范性引进的。 2、以-1/2为对称轴，构成偶对称偶函数。 傅立叶变换可以将位置编码到相位谱中，特征的位置可以唯一地被确定，并通过傅立叶反变换被完全恢复。 但是，当有许多特征或噪声时，相位图变得非常复杂，不能给出有意义的解释。 富立叶变换在图像处理中，如边缘检测、图像恢复、相关跟踪、图像压缩等许多领域有成熟和广泛的应用。 正方形收缩导致其傅立叶频谱网格在频谱空间的增大，并且幅度减小 图像[ f(x,y)]的功率谱|F(u,v)|2=F(u,v)F*(u,v) 图像的灰度分布 例如： ?具有精细和细微结构的图像，其高频分量较丰富 ?近距离目标图像，其低频分量较丰富 幅值 相位 幅值恢复 相位恢复 图像 f(x,y)的功率谱|F(u,v)|2=F(u,v)F*(u,v) 高频分量 低频分量 图像灰度分布 结论：相位谱具有更重要的应用 法国数学家及物理学家。最早使用定积分符号，改进符号法则及根数判别方法。傅立叶级数（三角级数）创始人。 （Fourier, Jean Baptiste Joseph, 1768-1830） 原图 FT F(0,0) 图像平均亮度 能量分布集中在低频区 灰度变化平缓?低频分量 灰度变化突变?高频分量 功率谱 |F(u,v)|2=F(u,v)F*(u,v) 85% 突变：边缘、轮廓、噪音 应用 空域