图像空间域图像频域图像空间域正变换逆变换处理起来更有效更方便更.ppt

图像变换 陈荣钦 chen_rongqin@163.com 图像变换 本节内容： 图像的代数变换 图像的几何变换 图像的离散傅立叶变换 图像的离散余弦变换 图像的离散沃尔什变换 图像的K-L变换 图像的小波变换 图像的代数变换 代数运算包括算术运算和逻辑运算 算术运算： 加法运算：C(x,y) = A(x,y) + B(x,y) 减法运算：C(x,y) = A(x,y) - B(x,y) 乘法运算：C(x,y) = A(x,y) * B(x,y) 除法运算：C(x,y) = A(x,y) / B(x,y) 逻辑运算： 非运算：g(x,y) = 255 - f(x,y) 异或运算：g(x,y) = f(x,y) ? h(x,y) 或运算：g(x,y) = f(x,y) v h(x,y) 与运算：g(x,y) = f(x,y) ? h(x,y) 加法运算 加法运算可以去除加性（Additive）随机噪声 加性随机噪声一般理解成背景噪声，比如闪电、雷击和大气中的电暴等等 对于原图像f(x,y),有一个噪音图像集 { gi(x,y) } i =1,2,...M 其中：gi(x,y) = f(x,y) + hi(x,y) M个图像的均值定义为： g(x,y) = 1/M (g0(x,y)+g1(x,y)+…+ gM(x,y)) 当噪音hi(x,y) 为互不相关，且均值为0时，上述图像均值将降低噪音的影响 举例：加法运算 当M增大，即对图像相加次数增加时，去除加性（Additive）噪声的效果更加明显 加法运算 生成图像叠加效果 对于两个图像f(x,y)和h(x,y)的均值有： g(x,y) = f(x,y)/2 + h(x,y)/2会得到二次曝光的效果。 推广这个公式为：g(x,y) = αf(x,y) + βh(x,y)其中α+β= 1，我们可以得到各种图像合成的效果 也可以用于两张图片的衔接 举例：加法运算 减法运算 可以去除不需要的叠加性图案 设：背景图像b(x,y)，前景背景混合图像f(x,y)g(x,y) = f(x,y) – b(x,y) g(x,y) 为去除了背景的图像 电视制作的蓝屏技术就基于此 减法运算 可以检测同一场景两幅图像之间的变化 设：时间1的图象为T1(x,y)，时间2的图象为T2(x,y) g(x,y) = T2 (x,y) - T1(x,y) 乘法运算 用二值蒙板图像与原图像做乘法进行图像的局部显示： 非运算 可以获得一个阴图象 非运算 获得一个子图像的补图像 异或运算 0 ? 1＝1 1 ? 0＝1 0 ? 0＝0 1 ? 1＝0 可以获得相交子图象 或运算 0 v 1＝1 1 v 0＝1 0 v 0＝0 1 v 1＝1 可以合并子图像 或运算 0 v 1＝1 1 v 0＝1 0 v 0＝0 1 v 1＝1 模板运算：提取感兴趣的子图像 与运算 0 ? 1＝0 1 ? 0＝0 0 ? 0＝0 1 ? 1＝1 求两个子图像的相交子图 与运算 0 ? 1＝0 1 ? 0＝0 0 ? 0＝0 1 ? 1＝1 模板运算：提取感兴趣的子图像 图像的几何变换 图像的几何变换主要包括： 平移变换 旋转变换 镜像变换 水平镜像 垂直镜像 缩放变换 熟悉矩阵运算对于实现这些变换非常有帮助 图像平移变换 初始坐标为(x0,y0)的点经过平移(tx,ty)(以向右，向下为正方向)后，坐标变为(x1,y1)。这两点之间的关系是： x1=x0+tx y1=y0+ty 使用矩阵的形式来表达如下： 图像平移变换 或许我们更加关心其逆变换： 我们往往需要获取平移后的点(x1,y1)的颜色，而其颜色和平移前的点(x0,y0)相同 很显然，逆变换过程是向相反的方向平移： 另一个需要考虑的问题是：平移之后要不要放大图像 图像旋转变换 图像旋转通常是指在平面内绕中心旋转一定角度 图像旋转变换 如何推导其旋转变换呢？ x1=x0cosa+y0sina； y1=-x0sina+y0cosa； 用矩阵表示为： 图像旋转变换 但是请注意： 我们旋转所在的坐标系和图像显示时对应的Windows屏幕坐标系是不一样的 这里xoy为旋转坐标系， x'o'y'为屏幕坐标系 图像旋转变换 实际上我们可以分为三步进行整个旋转变换： 1.将坐标系x'o'y'变成xoy； 2.将该点顺时针旋转a角； 3.将坐标系xoy变回x'o'y' 将上面三步变换进行合成得到三个矩阵的级联矩阵 (x0,y0)和(x1,y1)都是x‘o’y‘坐标系中的点 使用wnew和hnew是因为图像放大了 图像镜像变换 镜像(mirror)分为： 水平镜像 垂直镜像 图像镜像变换 但我们发现，经过镜像变换，图像的位置可能已经离开了屏幕范围