矩阵初等变换在图像处理中的简单应用.doc

矩阵初等变换在图像处理中的简单应用 刘鑫 天津商业大学理学院08级03班 [内容摘要]: 矩阵作为研究数学问题中的一项基础工具，有着自身特有的性质和运算方法，而其初等变换则为矩阵理论中的重要方法，利用这一特点可针对问题本身进行简化，也可快速看到问题本质并加以解决。数字图像是计算机对图像信息进行处理显示的基础，而数字图像的本质是m×n（每行m个像素，总共n行）的矩阵，每个元素aij对应着（i，j）位置的图像信息。本文讨论了矩阵的初等变换在数字图像的平移、旋转中的应用，从而说明矩阵变换在数字图像变换和处理的理论指导地位。 [关键词]:矩阵 初等变换 数字图像 镜像 平移 旋转 [引言]： 矩阵的初等变换起源于线性方程组的三类通解变换。我们知道，线性方程组和它的增广矩阵是唯一对应的，因此当矩阵的初等变换这一概念提出后，解线性方程组就等价与利用矩阵的初等变换来化简一个增广矩阵，而这一转化过程无疑对解线性方程组会带来方便。随着矩阵理论的发展，新概念的不断产生，新的问题也随之产生，例如求矩阵的秩、求矩阵的特征值以及求标准正交基等，这些问题也可利用矩阵的初等变换来简化其求解过程。 20世纪60年代中期，随电子计算机的发展得到普遍应用，计算机对图像的处理和显示日益成熟图像。利用数字图像处理主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。数字图像的本质是m×n（每行m个像素，总共n行）的矩阵，每个元素aij对应着（i，j）位置的图像信息。 1、矩阵的初等变换 矩阵的行及列的初等变换在线性代数中充当十分重要的角色，它有三种类型： (1) 互换第i行（列）和第j行（列），称为对矩阵实行了一次初等行（列）变换，其对应的初等矩阵极为P（i，j）； (2) 行（列）乘以非零常数c，称为对矩阵实行了一次初等行（列）变换，其对应的等矩阵记为P（i（c））； (3) 第j行（i列）的k倍加到第i行（j列），称为对矩阵实行了一次初等行（列）变换，其对应的矩阵记为P（i，j（k））。 2、数字图像的矩阵表述 数字图像的本质是m×n（每行m个像素，总共n行）的矩阵，每个元素aij对应着（i，j）位置的图像信息。如图1所示，图像为一幅69×56的256色图像，即图像的每行有69个像素，共56行，我们可以用矩阵[aij]表示图像的信息，aij表示第i行第j列的图像信息。 图1 原始数字图像 如图1所示，原始数字图像的矩阵信息为： 2、数字图像的镜像 图像镜像是指图像在平面镜中成像，形成一个和镜面对称的图像，对于一个m×n的数字图像，进行镜像变换后依然为m×n的矩阵，如果用[aij]表示原始数字图像的矩阵，[bij]表示镜像变换的数字图像矩阵，则水平镜像为： 垂直镜像为： 图1所示的原始数字图像，经过镜像变换后为： 图2 水平镜像图像和垂直镜像图像 3、数字图像的平移 图像平移是指在同一平面内，将图像沿着某个方向移动一定的距离，移动时，图像上的每一个像素都沿该方向移动同一距离，因而平移不改变物体的形状和大小。如果将图像上的点P(x,y)平移到P’(x’,y’)，也可用一下以下式子表示： 这个矩阵计算给出了二维像素平移变换的关系。 对于一个m×n的数字图像，进行(p,q)平移变换后变为为(p+m)×（q+n）的矩阵，如果用[aij]表示原始数字图像的矩阵，[bij]表示平移变换的数字图像矩阵，则变换后的元素当ip且jq时为： 当i和j为其他值时，图像元素为空白，我们将其颜色设为黑色，即： 图1所示的原始数字图像，经过向左平移10个像素，向下平移10个像素后得到的图像为： 图3平移（10，10）后的图像 4、图像的旋转 图像的旋转是指在同一平面内，将图像绕着某个点旋转一定的角度，旋转时，图像上的每一个像素都绕该点向旋转同一角度，因而平移不改变物体的形状和大小。如图4所示，如 果将图像上的点P(x,y)绕原点旋转到P’(x’,y’)，旋转的角度为θ，此时，P和P’到原 图4 像素的旋转 距离不变，均为r，此时： 可以表示为： 对于一个m×n的数字图像，绕（0，0）点像素进行进行θ度旋转后，得到旋转矩阵，其行列数目不等于m×n，和θ有关。如果用[aij]表示原始数字图像的矩阵，[bpq]表示平移变换的数字图像矩阵，则变换后的元素满足以下条件时： 有 因为一个整数和正弦余弦值相乘时，得到的是浮点数，即为整数，因而确定脚标pq的值时，需要对其取整，这需要近似计算和插值，和矩阵的基本变换关系不大，在这里就不讨论了。 图1所示的原始数字图像，经过顺时针旋转后得到的图像为： 图4 旋转π/4、π/2、3