《03图像变换》-精选课件(公开).pptVIP

浙江大学计算机学院 数字图像处理（3） 图像变换(1) 什么是图像变换 将图像看成是线性叠加系统 图像在空域上相关性很强 图像变换是将图像从空域变换到其它域如频域的数学变换 常用的变换：傅立叶变换、离散余弦变换、小波变换、离散K-L变换 连续函数集合的正交性 正交函数集合 正交函数集合的完备性 离散情况 n个正交向量 一维正交变换 酉变换 酉变换、正交变换与信号分析 正交变换是酉变换的特例 它们都可以用于信号分析 用于信号分析的基函数集合和正交矩阵都应满足正交性和完备性 二维酉变换 N×N二维函数可以类似于一维用正交序列展开和恢复 变换核的可分离性 二维酉变换 基图像 酉变换的性质 酉变换的性质(2) 酉变换的性质(3) 小结 连续函数集合的正交性和完备性 一维正交变换和酉变换 二维酉变换 基图像 酉变换的性质 傅立叶变换 傅立叶变换是最早研究与应用的酉变换 60年代出现快速傅立叶变换 傅立叶变换域也称为频域 傅立叶积分 傅立叶变换的定义(一维) 变换分析的直观说明 一维傅立叶变换举例 一维离散傅立叶变换(DFT) 二维傅立叶变换 二维傅立叶变换举例 二维离散傅立叶变换 二维离散傅立叶变换的性质 可分离性 频率位移性质 周期性和共轭对称性 周期性和共轭对称性的应用 旋转不变性 平均值 卷积 相关 12. 帕塞瓦定理（能量定理）： 若f1(x,y)=f2(x,y)=f(x,y)，则有： 当图像在频率域时移动时需要用到频率位移性质： 图像中心化 把图像进行傅立叶变换后，往往要把中心移到u0=v0=N/2的位置上 周期性不难证明。共轭对称性： 两边取共轭(f(x,y)为实函数)： 1. 图形的频谱分析和显示 2. 图像中心化 以极坐标表示x, y, u, v： f(x,y)和F(u,v)可由f(r,θ)和F(w,φ)来表示， 代入傅立叶变换的公式，可以得到： 平均值定义： 由傅立叶变换定义： 因此，f(x,y)的平均值与傅立叶变换系数的关系为： ? 卷积积分：如果函数 y(t) 满足下列关系式 则称函数 y(t) 为函数 x(t) 和 h(t) 的卷积 ? 卷积积分的图解表示： x(t) t h(t) t 1/2 1 1 1 ? 卷积积分的图解表示（续）： 位移 h(t1- ?) 1 1 x(?) ? x(?) h(- ?) ? 1/2 -1 折迭 h(t- ?) ? 1/2 t ? 1 1 * 相 乘 2 y(t) 1 t1 t 积分 * * 浙江大学计算机学院 王 强 当C=1时，称集合为归一化正交函数集合 若f(x)是定义在t0和t0+T区间的实值信号，平方可积。可以表示为： 对任意小的ε＞0，存在充分大的N， 其中 ，则称函数U集合是完备的。 当C=1时，称归一化正交 满足： 对于一向量f，用上述正交矩阵进行 运算： g = Af 若要恢复f，则 以上过程称为正交变换。 若A为复数矩阵，正交的条件为： 其中A*为A的复数共轭矩阵，满足这个条件的矩阵为酉矩阵。对于任意向量f的运算称为酉变换： 正变换核 反变换核 其中{au(x), u=0,1,…,N-1}, {bv(y), v=0,1,…,N-1}为一维完备正交基向量的集合。用矩阵表示： A={a(u, x)}，B={b(v,y)} 通常选择A=B 。 A=B时，二维酉变换正变换表示为 用矩阵表示： F=AfAT 类似的，对于M×N的二维函数f(x,y) 反变换 －－看成是基图像 F(u,v) －－权因子 图像f(x,y)可以用N2个基图像的加权和来表示 酉矩阵是正交阵 AA*T=A*TA=IN×N 2. A为酉阵，则A-1和AT都是酉阵 3. 酉变换是能量保持的变换 对于一维酉变换F=Af, 有||F||=||f|| 二维情况下，则有： 设f(x,y)的均值和协方差为μf和Σf 4. 均值和方差 则F(u,v)的均值为： 则F(u,v)的协方差为： 5. 其他性质： (1) A为酉阵，则其行列式值|A|=1 (2) 若a为向量，则作酉变换后向量模保持不变：b=Aa，则|b|=|a|。 ? 调谐信号： 其中j2=-1 ? 傅立叶积分： 其中t代表时间，f代表频率 f(x)为连续可积函数，其傅立叶变换定义为： 其反变换为： F(u)=R(u)+jI(u) 幅度谱： 相位谱： ? 把一个信号的波形分解为许多 不同频率正弦波之和。 方波信号： 经过傅立叶变换后： 一维离散傅立叶变换公式为： 逆变换为： 二维傅立叶变换由一维傅立叶变换推广而来： 逆变换： 幅度谱： 相位谱： F(u,v)=R(u,v)+jI(u,v) 对于二维方波信号 傅立叶变换为： 幅度： 对于二维傅立叶变换，其离散形式为： 逆变换为： 幅谱(频谱)、相谱： 1. 线性性质： 2. 比例