数字图像处理-张洪刚-第三章图像变换2.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * 一维余弦变换 ? 离散序列f(x), x = 0, 1, 2, …, N-1，以-1/2为折点，形成-N至-1的序列，与原序列合并形成2N偶函数序列，此时的变换核为： ?离散傅立叶变换的虚部为零，上式剩下余弦项 * ? 余弦变换为： ? 归一化后： ? 矩阵形式： * ? 一维余弦变换的反变换为： ? 矩阵形式： * ? 正变换矩阵为： ? N=4时 * * Transform Matrix of DCT (N=8) * 余弦变换的性质 ☉ 余弦变换为实的正交变换C＝C*，C-1=CT。 ☉ 序列的余弦变换是DFT的对称扩展形式。 ☉ 余弦变换有快速变换，和傅立叶变换一样，分奇偶组： 此处： * 离散余弦变换(DCT) 余弦变换可以利用傅立叶变换实现： 将 延拓为： 则有： 离散余弦变换的矩阵算法举例： 已知： 用矩阵算法求其DCT。 由此例可看出：DCT将能量集中于频率平面的左上角。 3. 举例 DCT 图像经DCT后, 能量集中于频率平面的左上角。 DCT用于图像数据压缩。 * K-L变换 K-L变换又称为Hotelling变换和主成分分析。当变量之间存在一定的相关关系时，可以通过原始变量的线性组合，构成为数较少的不相关的新变量代替原始变量，而每个新变量都含有尽量多的原始变量的信息。这种处理问题的方法，叫做主成分分析，新变量叫做原始变量的主成分。 * K-L变换 有M幅图象，大小为N*N。每幅图象表示成向量： X向量的协方差矩阵定义为： 其中： 令 和 是 的特征向量和对应的特征值。 特征值按减序排列， 变换矩阵的行为 的特征值， 则变换矩阵为： * K-L变换 K_L变换定义为： 变换后，有： * K-L变换 K_L变换的计算步骤： 1. 求协方差矩阵 ； 2. 求协方差矩阵的特征值 ； 3. 求相应的特征向量 4. 用特征向量 构成变换矩阵A，求 。 * * Example for K-L transform * DCT与K-L变换的关系 马尔可夫（Markov）过程 一个静态随机序列称为一阶Markov序列，如果序列中每个元素的条件概率只依赖于它的前一个元素。一个Nx1的Markov序列的协方差具有以下形式： 其中，相邻两元素之间的相关系数： * 协方差矩阵的特征值和特征向量（K-L变换正交矩阵的元素）为 * 在ρ趋近1时有 与DCT变换相同。 对于自然景物，通常有 。这时DCT的基向量可以很好地近似K-L变换的基向量。 * 小结 傅立叶变换（FFT） 具有快速算法，数字图象处理中最常用。需要复数运算。可把整幅图象的信息很好地用若干个系数来表达。 沃尔什变换(WT) 在数字图象处理的硬件实现时有用。容易模拟但很难分析。在图象数据压缩、滤波、编码中有应用。信息压缩效果好。 余弦变换（DCT） 有快速算法，只要求实数运算。在相关性图象的处理中，最接近最佳的K-L变换，在实现编码和维纳滤波时有用。同DFT一样，可实现很好的信息压缩。 K-L变换(KLT) 在许多意义下是最佳的。无快速算法。在进行性能评估和寻找最佳性能时有用。对小规模的向量有用，如彩色多谱或其他特征向量。对一组图象集而言，具有均方差意义下最佳的信息压缩效果。 * * * * * * * * * * * * * * * * 第三章 图像变换 2 信息与通信工程学院 张洪刚 zhhg@bupt.edu.cn * 线性变换 设x是Nx1的向量，T是一个NxN的矩阵，则线性变换定义为： 或 例如，平面坐标系中的向量旋转变换： * 酉变换 逆变换：当T是非奇异的，逆变换存在： 特别地当T是酉矩阵时，就成为酉变换；如果酉矩阵的所有元素都是实数时就是正交变换。 * 二维离散线性变换 在二维情况下，将一个的矩阵f(x,y)变换为另一个N×N的矩阵g(u,v)的线性变换一般形式为 是变换的核函数，可以看作是一个的块矩阵，每行有N个块，共有N行，每个块是一个的矩阵。块由u,v索引，块内由x,y索引。 * 当核函数能被分解成行方向的分量函数和列方向上的分量函数的乘积时，即 通常图象变换采用如上示形式的可分离的、对称的酉变换。 基图像 *