第13篇 离散图像处理.ppt

* 数字图像处理 Digital Image Processing DIP 中国传媒大学信息工程学院 * 第13章 离散图像处理 13.1 引言 　　DFT仅仅是数字图像处理中的一种变换，其实还有很多种变换。 13.2 线性变换 13.2.1 一维离散线性变换 　　定义x是N×1的向量，T是N×N的矩阵，则： 　　　　　　　　　　　或　　　定义了向量x的一个线性变换。 核矩阵 例：二维坐标系统中的一个向量旋转 求逆：T是非奇异的，则原向量x=T-1y。对上例来说，相当于该向量反向旋转。 13.2.1.1　酉变换 　　若T是酉矩阵，则T-1=T*t TT*t = T*tT=I 对T的每个元素取共轭复数 转置 当T的所有元素都是实数时，T-1 = Tt， TTt = TtT=I TTt的第(i,j)元素是T的第i行与Tt的第j列（也就是T的第j行）的内积，i=j时为1，否则为0。因此，T的各行是一组正交向量。 例：一维DFT就是酉变换 酉阵 　　线性酉变换产生一个有N个变换系数的向量y，每个变换系数都是输入向量x和变换矩阵T的某一行的内积。反变换也类似。 　　正变换可看作是一个分解过程：将信号向量分解成它的各个基元分量，这些基元分量自然以基向量的形式表示，变换系数规定了在原信号中各分量所占的量。 　　反变换可看作是一个合成过程：通过将各分量相加来合成原始向量。 　　上述过程的关键原理：任一个向量都能唯一地分解为分别具有“合适”幅度的一组基向量，然后通过将这些分量相加可以重构原向量。变换系数的个数与向量的元素个数是相同的。 　　变换后的向量是原始向量的一种表示，可由它完整地恢复出原始向量。因此它是原始向量的另一种形式。 13.2.2　二维离散线性变换 将一个N×N的矩阵F变换成另一个N×N阵G。 变换的核函数，是N2×N2的块矩阵，每行N块，共N行，m,n用于寻块，i,k用于块内寻元素 若： 则： m=1 m=2 m=N n=1 n=2 n=N 行方向的分量函数 列方向的分量函数 例：二维DFT，是可分离的、对称的酉阵。 　　正变换：G＝WFW，反变换：F＝W*tGW*t 13.2.2.1　正交变换 　　与FT不同，许多变换在其核矩阵T中只有实元素，而实数酉阵是正交的，因此，F＝TtGTt。 　　若T是对称阵，正反变换相同，则： G＝TFT，F＝TGT 再进一步，如果两个分量相同，则变换是对称的： 则： 记为G＝TFT T是酉阵，是变换的核矩阵 反变换：F＝ T-1GT-1＝ T*tGT*t 13.3 基函数和基图像 13.3.1　基函数 　　核矩阵的各行构成了N维向量空间的一组基向量，这些行是正交的，即： 　　TT*t＝I　　或： 　　其中?j,k是Kronecker函数： 当j=k时?j,k=1，而当j?k时?j,k= 0。 　　任一组正交向量集都可用于一个线性变换，但通常整个集皆取自同一种形式的基函数。如FT用复指数作基函数。 13.3.2　基图像 　　二维反变换可以看作是通过将一组被适当地加权的基图像求和而重构原图像。变换矩阵G中的每个元素就是其对应的基本图像在求和时所乘的倍（系）数（即权值）。 　　一幅基图像可通过对只含有一个非零元素（令其值为1）的系数矩阵进行反变换而产生，N2个这样的矩阵产生N2幅基本图像。设其中一个系数矩阵为： 其中i,j分别为行和列的下标，p,q是标明非零元素位置的整数。 反变换： 　　这样，对于一个可分离的酉变换，每幅基本图像就是变换矩阵某两行的外积。 　　基图像可看作是分解原图像所得的单位集分量，同时也是组成原图像的基本结构单元。 　　正变换通过确定系数来实现分解，反变换通过将基图像加权求和来实现重构。 　　由于存在着无限多组基图像集，从而也就存在着无限多的变换。而某一组特定的基图像集仅对相应的变换有重要的意义。 DFT的核矩阵： 13.4.1　离散傅立叶变换 13.4 正弦型变换 虚指数具有周期性，因此W是酉矩阵。 一维DFT：　F＝Wf，　f＝W*tF N×1的信号向量 N×1的谱向量 13.4.1.1　谱向量 　　上图是当f是实向量时，谱向量F中各频率分量所处的位置。零频和最高频率仅出现一次，其他分量以共轭复数的形式出现两次。如果Ft被看作是一个行向量，则前面的N/2+1个元素是谱的右半边，后N/2-1个元素在左半边。当fN是奈奎斯特折叠频率（采样频率的一半）时，对应于F的第i个元素的频率是： 0 1 i N/2 N-1 N/2 N/2 N/2 N/2 N