第四章-数字图像处理中的最基本运算.ppt

首先想到的是：将T矩阵扩展为如下2×3变换矩阵，把平移项收到矩阵中，其形式为： 根据矩阵相乘的规律，对应在2×1坐标列矩阵[x y] T中引入第三个元素，扩展为3×1的列矩阵[x y 1]T,就可以实现点的平移变换。变换形式如下： 问题：非方阵，虽然可以实现图像各像素点的平移变换，但不方便。解决办法：一般将2×3阶变换矩阵T进一步扩充为3×3方阵，即采用如下变换矩阵（加一行001）： 这样一来,平移变换可以用如下形式表示： 总结： 这种以n+1维向量表示n维向量的方法称为齐次坐标表示法。齐次坐标的几何意义相当于点(x，y)投影在xyz三维立体空间的z=1的平面上。 空间变换 4.4.2 图像的平移 注意：平移后的景物与原图像相同，但“画布”一定是扩大了。否则就会丢失信息。 平移是日常生活中最普遍的方式之一。图像的平移是：将一幅图像上的所有像素点都按给定的偏移量沿x方向和y方向进行移动。 4.4.3 图像的缩小 图像的缩小一般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。 空间变换 1. 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。 2. 图像不按比例缩小： 这种操作因为在x方向和y方向的缩小比例不同，一定会带来图像的几何畸变。 4.4.4 图像的放大 图像的缩小操作中，是在现有的信息里如何挑选所需要的有用信息。 而图像的放大操作中，则需对尺寸放大后所多出来的空格填入适当的值，这是信息的估计问题，所以较图像的缩小要复杂一些。 空间变换 1.按比例放大图像 如果需要将原图像放大k倍，则将一个像素值添在新图像的k*k的子块中。 放大5倍 2. 图像的任意不成比例放大： 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。 返回 图像的减半缩小效果 返回 图像的按比例缩小效果 返回 图像的不按比例任意缩小 返回 图像的成倍放大效果 返回 图像的不按比例放大 返回 4.4.5 图像的镜像 水平镜像 垂直镜像 空间变换 0,0 x y 0,0 x y 水平镜像的变换结果 图像的垂直镜像 4.4.6 图像的旋转 空间变换 以逆时针旋转为例（微观效果）： 0,0 x y 原图 旋转图 旋转点 宏观效果 图 旋转前的图像 图 旋转15°并进行插值处理的图像 图像的旋转注意点： 图像旋转之后，会出现许多的空白点，对这些空白点必须进行填充处理，否则画面效果不好。称这种操作为插值处理。 非线性拉伸实例6 非线性拉伸实例7 4.2.2 点运算与直方图 点运算是一种确定的函数关系下所进行的像素变换运算，因此，点运算之后输出图像和输入图像之间的直方图也具有与变换函数相关联的对应关系。 从图4-3中可以找到它们之间的关系，即灰度级小区间内输入像素的个数，等于输出像素的个数，而且输入、输出图像的阴影部分面积可以用小矩形的面积近似替代（替代积分式）。 HB(DB)ΔDB=HA(DA)ΔDA 最后输出的直方图的值为（详细推导见P73-74） 4.2.3. 点运算的应用 (1) 对比度增强 在一些数字图像中，技术人员所关注的特征可能仅占据整个灰度级非常小的一个范围。点运算可以扩展所关注部分的灰度信息的对比度，使之占据可显示灰度级的更大部分。又称为对比度拉伸。 (2) 光度学标定 点运算可消除图像传感器的非线性的影响。 (3) 显示标定 一些显示设备不能保持数字图像上像素的灰度值和显示屏幕上相应点的亮度之间的线性关系。这一缺点可以通过点运算予以克服，即在图像显示之前，先设计合理的点运算关系，可将点运算和显示非线性组合起来互相抵消，以保持在显示图像时的线性关系。 (4) 轮廓线 点运算可为图像加上轮廓线。 (5) 剪裁 对于8bit图像，通过点运算，在每个像素值被存储之前，输出灰度级一定要剪裁到0~255的范围内。 4.3 代数运算 1、概念 2、运算类型及应用 1. 代数运算概念 代数运算是指两幅输入图像之间进行点对点的加、减、乘、除运算得到输出图像的过程。如果记输入图像为A(x,y)和B(x,y)，输出图像为C(x,y)，则有如下四种形式： (1) C(