双线性插值灰度直方图-Read.pptVIP

图像的简单处理 图像的点运算 1.灰度直方图 2.阈值变换 3.灰度拉伸 4.直方图均衡化 图像的几何变换 双线性插值 灰度直方图 灰度直方图（histogram）是灰度级的函数，它表示图像中具有每种灰度级的象素的个数，反映图像中每种灰度出现的频率。如下图所示，灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，是图像的最基本的统计特征。 Eg:好的数码相机要增大对比度，去掉灰蒙蒙的感觉，对比度越大，宽容度就越小；一种定量的参考，直方图。对比度是否足够？如果丢失细节，那么丢失了多少？通过直方图上可得知。 灰度直方图 灰度图 若图像具有L（通常L=256,即8位灰度级）级灰度，则大小为MxN的灰度图像f(x,y)的灰度直方图hist[0…L-1]可用如下计算获得： 1.??? 初始化 hist[k]=0 ; k=0,…,L-1 2.??? 统计 hist[f(x,y)]++ ; x, y =0,…,M-1, 0,…,N-1 3.??? 标准化 hist[f(x,y)]/=M*N 阈值变换 灰度的阈值变换将一幅灰度图像转换成黑白二值图像。它的操作过程是先由用户指定的一个阈值，如果图像的某像素的灰度值小于该阈值，则该灰度值设置为0，否则灰度值设置为255. 变换函数表达式如下： F(x)={ 0(xT),255(x=T) }T是指定的阈值。 阈值化 灰度拉伸 灰度拉伸是分段的线性变换，变换函数表达式f(x)={ y1/x1 * x,其中xx1; (y2-y1)/(x2-x1)*(x-x1)+y1, x1=x=x2 (255-y2)/(255-x2)*(x-x2)+y2,xx2 } 斜率记为a，当a1时，输出图像对比度增大；当a1时，输出图像对比度降低；当a=1，b≠0时，仅使输出图像的灰度值上移或下移，其效果是使整个图像更亮或更暗。 非线性点运算对应于非线性映射函数，典型的映射包括平方函数、对数函数、截取（窗口函数）、阈值函数、多值量化函数等。右图给出几种典型的非线性点运算的映射函数图。 线性的应用 线性点运算的典型应用：灰度分布标准化 给定一灰度图像 D[W][H]，其中 W 和 H 是宽度和高度，它的平均灰度和方差按如下计算得到： 将其变换为具有相同均值 和方差 的映射如下： 例如，在生成平均人脸模板时，可以采用这种灰度标准化的方法，如下图所示：（图片来源：梁路宏，艾海舟，何克忠，基于多模板匹配的单人脸的检测，中国图像图形学报，4(10)：825-830，1999。） 直方图均衡化 直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。 设灰度变换 s=f（r） 为斜率有限的非减连续可微函数，它将输入图像A(x,y)转换为输出图像B(x,y)，输入图像的直方图为HA(r)，输出图像的直方图为HB(s)，则它们的关系可由如下过程导出： 双线性插值 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。复杂一点的方法是双线性插值，如下图所示： 假设输出图像的宽度为W，高度为H，输入图像的宽度为w高度为h，要将输入图像的尺度拉伸或压缩变换至输出图像的尺度。按照线形插值的方法，将输入图像的宽度方向分为W等份，高度方向分为H等份，那么输出图像中任意一点（x，y）的灰度值就应该由输入图像中四点（a，b）、（a+1，b）、（a，b+1）和（a+1，b+1）的灰度值来确定（如图1.）。其中a和b的值分别为： （x，y）点的灰度值f(x, y)应为： 其中 此外，还有多种其它插值方法，如三次样条等。图像处理软件一般都提供若干种插值方法供用户自己选择。 图像卷绕（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进行插值来确定。有时利用多项式函数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变形区域，对每个变形区域使用双线性插值函数来填充非控制点。 图像变形（Image Morphing） 变形是使图像中的一个物体逐渐变形为另外一个物体的过程。从一起始图像出发，利用渐隐(dissolve)技术，使起始图像逐渐“淡出(fade out)”，而目标图像则逐渐“淡入(fade in)”，同时以对应物体为转换控制对象，通过选择控制点及控制线来建立插值过程，让物体上的点从它们的起始位置逐渐移向对应的终止位置。 Thank you! * * * * *