05 基本图像变换.pptVIP

5 基本图像变换 宋华军 中国石油大学（华东）信控学院 第5章 基本图象变换 图像变换 许多图像处理和分析技术的基础（以数学为工具）； 把图像从一个空间变换到另一个空间, 便于分析处理; 双向的 正变换：从图象空间向其他空间的变换; 反变换：从其他空间向图象空间的变换(也称逆变换); 分类：可分离变换 统计变换 【例】傅里叶变换正向变换核 h(x,y,u,v) = exp[ -2j?(ux+vy)/N ] / N 具有可分离变换核的二维变换计算(分两步)： §5.1 可分离图像变换 利用矩阵形式的优点，所得到的变换矩阵可分解成 若干个具有较少非零元素的矩阵的乘积，可减少冗 余，减少操作次数。 § 5.2 傅里叶变换(FT)和性质 幅度函数（傅里叶频谱） |F(u,v)| = [R(u,v)2+I(u,v)2]1/2 相位角 ? (u,v)= arctan [I(u,v)/R(u,v)] 功率谱 f(t)和F(u)的整个时间刻画, 不能反映各自局部区域上的特征, 不能用于局部分析。 对于一个特别简单的信号、或信号突然变化和不可 预测的情况，傅立叶分析不可用。 从另一个角度看,傅立叶变换能使人清楚地看到一个 信息包含的每一个频率的多少, 但很难看出不同信号 何时发射和发射了多长时间, 缺少时间信息使得傅立 叶分析变得脆弱而容易失误。 纹理的粗细度可用 P(u,v)的分布特性来表示。 如果P(u,v)中幅度高的部分集中在(u,v)=(0,0)附近， 表示是粗纹理。因为低频分量与大的基元相联系。 如果P(u,v)主要分布在远离处(0,0) ，高频区域的 P(u,v)有较高的幅度，表示纹理中包含较细致图案。 纹理的方向性也可以由P(u,v)来表示。 功率谱不随位移变化，但随纹理的方向变化。 因此，它可以反映纹理的方向信息。 如果纹理图象具有较强的朝某一方向的分量， 那么P(u,v) 的高幅度值将排列在某个特定方向上， 这个方向与图案的走向垂直。 如果纹理无明显的走向，那么P(u,v) 也无显著的 定向性。 2-D图像函数和傅里叶频谱的显示 2-D图像函数和傅里叶频谱的显示 §5.2.3 2-D傅里叶变换的性质 F(u,v)= F( u+N,v ) = F ( u,v+N ) = F ( u+N,v+N ) 利用周期性和共轭对称性，只需一个周期的变换就可 确定f (x,y)或F(u,v)，方便了分析和计算。 如果f (x,y)是实函数，则其FT具有共轭对称性： 卷积与傅里叶变换的关系 §5.2.4 快速傅里叶变换（FFT） 离散FT的计算量很大，在60年代出现快速傅里叶变换 FFT（Fast Fourier Transform）以后，FT才得到广 泛应用。 考虑l-D的情况，根据傅里叶变换的分离性可知， 2-D傅里叶变换可由连续2次1-D傅里叶变换得到。 FFT进行图像处理 除了DFT变换之外，还采用许多其他的正交变换。例如：离散余弦变换、沃尔什-哈达玛变换、K-L变换等， 5.3.1 沃尔什(Walsh)变换－WT5.3.2 哈达玛变换 §5.3.1 沃尔什(Walsh)变换－WT 5.3.2 哈达玛变换 5.3.2 哈达玛变换 5.3.2 哈达玛变换 1次2-D ? 2次1-D O(N 4)减为O(N 2) 由2步 1-D变换计算2-D变换 (0,0) X V (0,0) X Y (0,0) U V 列变换 行变换 f ( x, y ) F ( x, v ) F ( u, v ) ( N 1) ( N 1) - - ( N 1) - ( N 1) - ( N 1) - ( N 1) - 一、分离性 反变换类似： 分离性可表示为： ∴一个2-D的FT可由连续2次运用1-D的FT来实现， 先作y(列)变换后乘以N，再作x(行)变换 一、分离性 二、平移性 此式表明：将f(x,y)与一个指数项相乘就相当于把 其变换后的频域中心移到新位置。 此式说明：将F(u,v)与一个指数项相乘相当于把 其反变换后的空域中心移到新位置。 注：对 f(x,y)平移不影响其傅立叶变换的幅值 三、周期性和共轭对称性 四、旋转性质 借助极坐标变换 将f(x,y)和F(u