《摄影测量学》全数字摄影测量基础（可编辑）.docVIP

《摄影测量学》8全数字摄影测量基础 F 透过率: T F 0 投射在底片上的光通量 F 0 不透过率 F 0 F 透过底片的光通量 O (阻光率): F 人眼对明暗程度的感觉是按阻光率的对数关系变化的 1 灰度: D logO log T 二、数字影像及获取方法 数字影像是一个灰度矩阵g: gg g? 0,0 0,1 0,n-1? gg g 1,0 1,1 1,n ?1? g gg g? mm 1,0 1,1 m?1,n?1? g 每个像元素 是一个灰度值 j,i 每个元素称为一个像元素对应着实体的一个微小区域 39 040 127 255 255 15998 A 4040 66 127 255 255 15894 imreade:\matlab test\gray,bmp 3939 40 127 255 251 12795 0 039 127 251 251 12794 39 040 159 251 212 158 127 394066 159 251 252 159 127 数字影像的获取: 采样 量化 采样:每隔一个间隔 Δ 获取一个 点的灰度值 。 对实际连续函数模型离散化的量测 过程 样点 被量测的“点”是小的区域,通常是矩 形或正方形的的微小影块----像素 采样间隔 Δ 矩形的长与宽通常称为像素的大小 精度要求 影像分辨率 数据量 数字影像的获取: 灰度值如果用实数表示,一幅数字影像的存储空间将非常 大,为解决这一问题,实际应用时需要进行量化处理 量化:将各点的灰度值转换为整数 ,将透明底片有可能出现 的昀大灰度变化范围进行等分,分为若干灰度等级,一般都 m m 8 取为 , 时得到256个灰度级,其级数是介于0到255 2 之间的一个整数,0为黑,255为白,每个像元素的灰度值占 8bit,即一个字节数字图像的表示 一个数字影像可用一个函数表示: gx ,y y y g y x x x 灰度是坐标的函数 像元素的点位坐标(扫描坐标) 040 127 255 255 xx +i?Δx 0 i,1,2, ,n?1 4066 127 255 255 0 yy+j?Δy 0 j,1,2 ,m?1 3940 127 255 251 0 ΔΔxy = :采样间隔 039 127 251 251 三、数字影像的内定向: 问题的提出:经典的摄影测量已经建立了一整套像点坐 标与对应的物点坐标间的关系,只要确定扫描坐标系与 像平面坐标系之间的关系(内定向)就能利用原有理论 y 内定向的目的:确定扫描坐标 系和像片坐标系之间的关系 数字化的步进方向 y 两种坐标之间存在仿射变换 x h +h x +h y 0 1 2 x y k +k x +k y o 0 1 2 h ,h,h ,k ,k ,k 0 1 2 0 1 2 内定向参数,利用四个框标 x 点平差解算 O 数字化的扫描方向非采样点的灰?? 影像重采样理论 五、数字影像重采样 问题的提出:数字影像只记录采样点的灰度级值,当所求像 点不落在原始像片上像元素的中心(非采样点),要获取非 采样点的灰度值,就要在原采样的基础上再一次采样,即重 采样(resampling) (内插) 方法:昀邻近像元法、双线性插值法、双三次卷积法 昀邻近像元法:直接取与非采样点位置昀近像元的灰度值 12 I P I N , x y 非采样点P的灰度 x INT x + 0.5 N N为昀近点,其像素坐标值为 : y INT y + 0.5 N 缺点:昀大误差可达± 0.5像元 ,几何精度较差 4 3 优点:昀简单,计算速度快且不破坏原始影像的灰度信息 双线性插值法 I 、I 、I 、I 设非采样点P邻近的4个原始像元的灰度为 11 12 21 22 y y 1 2 y 11 12 x 1 △x △y P 特点:计算较费时, x 精度较好 2 21 22 x P点的灰度重采样值为: I P 1Δx1ΔyI + 1Δx ΔyI + Δx1ΔyI + Δx ΔyI 11 12 21 22 双三次卷积法(三次样条函数) 特点:算法昀严密,昀费时§8-3 基于灰度的影像相关 x 1 X y 1 Y x 2 Z y 2 未知量 观测量 机器代替人眼 识别同名点是摄影测量自动化的关键之一影像匹配---同名点寻找 §8-3 基于灰度的影像相关 (Area Based Image Matching) 全数字化摄影测量的核心问题:如何在两幅(或多幅)影 像之间自动识别同名像点(影像相关) 数字影像相关:利用计算机对数字影像进行数值计算的方 式完成影像的相关(匹配) ?基于灰度的影像匹配小区域内影像灰度分布为匹配基础) 匹配