第5章 图像的几何变换.pptVIP

最简单的方法就是等间隔地选取数据。 K1=k2　　按比例缩小 K1!=k2　　不按比例缩小 图像的仿射变换 ——图像几何变换表示 图像的平移： 图像的旋转： 图像的仿射变换 ——图像几何变换表示 图像的水平镜像： 图像的垂直镜像： 图像的仿射变换 ——图像几何变换表示 图像的水平错切： 不同几何变换实际上对应着不同的变换矩阵。 图像的垂直错切： 5.5 图像复合变换 图像复合变换指对给定图像连续施行多次平移、镜像、旋转、缩放等基本变换后所完成的变换，又称为级联变换。利用齐次坐标，对给定的图像依次按一定顺序连续施行若干次基本变换。从数学上可以证明，复合变换的矩阵等于基本变换矩阵按顺序相乘得到的组合矩阵。设对给定图像依次进行基本变换F1、F2、???、FN矩阵，对应的变换矩阵T1、T2、???、TN ，则图像复合变换的矩阵可表示为：T= T1 * T2* ??? * TN 。 1.复合平移 设图像先平移到新的位置P1(x1,y1)后，在平移到P2(x2,y2)位置，则复合平移矩阵为： 2.复合旋转 相类似，图像连续进行旋转变换，最后合成的旋转变换矩阵等于两次旋转角度的和，复合旋转变换矩阵为： 不同的复合变换，其变换过程不同，但无论它变换过程多么复杂，都可以分解成一系列基本变换。相应地，使用齐次坐标后，图像复合变换的矩阵由一系列图像基本几何变换矩阵依次相乘而得到。 5.6 图像几何变换中的特殊问题 １. 图像卷绕（扭曲）（Image Warping） 图像卷绕是通过指定一系列控制点的位移来定义空间变换的图像变形处理。非控制点的位移根据控制点插值确定。 有时利用多项式函数来来拟合控制点之间的对应关系，这时称为多项式卷绕（Polynomial Warping）。 一般情况下，由控制点将图像分成许多多边形区域，对每个多变形区域使用双线性插值函数来填充非控制点。 * ２. 图像变形（Image Morphing） 变形是使图像中一个物体逐渐变形为另一物体的过程。 从起始图像出发，利用渐隐(dissolve)技术，使起始图像 “淡出(fade out)”，而目标图像 “淡入(fade in)”，同时以对应物体为控制对象，选择控制点、线建立插值过程，让物体上的点从起始位置逐渐移向对应的终止位置。 作 业 已知一幅图像为： 1) 进行Δi=2，Δj=3平移后的图像矩阵。 2)对其进行缩小，其中k1=0.6，k2=0.75，写出缩小后的图像矩阵。 1)对其旋转30度后的图像矩阵 2)对其旋转45度后的图像矩阵 3)对其旋转60度后的图像矩阵 已知一幅图像为： 图像旋转的后处理 —— 插值 最简单的方法是最邻近插值法－－行插值（列插值）方法。 1）找出当前行的最小和最大的非背景点的坐标，记作：(i,k1)、(i,k2)。 如右图有： (1,3)、(1,3); (2,1)、(2,4); (3,2)、(3,4)； (4,2)、(4,3)。 图像旋转的后处理 —— 插值 2）在(k1,k2)范围内进行插值，插值的方法是：空点的像素值等于前一点（或后一点）的像素值。 3）同样的操作重复到所有行。 * 旋转 插值 图像旋转的后处理 —— 插值 均值插值法－－取周围像素值的均值。 f12 f13 f11 f23 f21 f22 f33 f31 f32 g23 图像旋转—— 极坐标变换法 极坐标法－－把原图像坐标变换到极坐标系中，进行旋转变换。 正变换 逆变换 5.3 图像的形状变换 图像的形状变换主要是指图像的缩小、放大与错切。 图像的形状变换通常在目标物识别中使用。 图像的形状变换应用 —— 目标物识别 如图所示,要判别图中的某个果子是苹果还是李子,要将该图像进行放大或者是缩小,才能够进行正确的比较与识别。 5.3.1 图像的缩小 分为按比例缩小和不按比例缩小两种。 图像缩小之后，因为承载的信息量小了，所以画布可相应缩小。 (a) 按比例缩小 (b) 不按比例缩小 图像缩小  —— 实现思路 图像缩小实际上就是对原有的多个数据进行挑选或处理，获得期望缩小尺寸的数据，并且尽量保持原有的特征不丢失。 图像按比例缩小：最简单的是减小一半，这样只需取原图的偶（奇）数行和偶（奇）数列构成新的图像。 如果图像按任意比例缩小，则需要计算选择的行列。 图