第3章 数字图像处理基本运算.ppt

z x y O a b c a 1 b 1 c 1 H ＝ 1 齐次坐标的几何意义 齐次坐标的几何意义： 相当于点 (x, y) 落在 3D 空间 H ＝ 1 的平面 上， 如果将 XOY 平面内的三角形 abc 的各顶点表示成齐次坐标 ( x i , y i , 1)( i =1, 2, 3) 的形式，就变成 H ＝ 1 平面内的三角形 a 1 b 1 c 1 的 各顶点。 ? 将 2 × n 阶的二维点集矩阵表示成齐次坐标的形式 ? 乘以相应的变换矩阵，即 变换后的点集矩阵 = 变换矩阵 T × （图像上各点的新齐次坐标） （图像上各点的原齐次坐标） n i i n i i y x y x ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 3 0 0 2 0 0 1 3 ）实现 2D 图像几何变换的基本变换的一般过程 2 图像平移 ?? x ＝ 2 , ?? y ＝ 1 图像平移 ? ? ? ? ? ? ? ? ? ? ? y y y x x x 0 0 利用齐次坐标，变换后： ) , ( ) , ( 0 0 0 y x p y x p ? 则 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 1 1 0 0 1 0 0 1 1 0 0 y x y x y x （ 100 ， 100 ） 原图像中有点被移出显示区域，部分信息丢失！ 如果不想丢失被移出的部分图像，可以将新生成的 图像宽度扩大 |Δ x | ， 高度扩大 |Δ y | ！ ？ 3 图像缩放 将给定的图像在 x 轴方向按比例缩放 fx 倍， 在 y 轴方 向按比例缩放 fy 倍，从而获得一幅新的图像。 fx ＝ fy ： 全比例缩放； fx ≠ fy ：产生几何畸变 放 大 后 缩 放 前 x y ( x , y ) ( x 0 , y 0 ) O ) , ( ) , ( 0 0 0 y x p y x p ? 则 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 1 0 0 0 0 0 0 0 1 0 0 y x fy fx y x 1 ）最简单的比例缩小 ： 当 fx=fy =1 ／ 2 时，图像被缩到原 图 1/4 。简单抽取如下图 亦可采取其 它方法，如取 邻近个象素点 的平均值。 2 ） 简单的图像放大 当 fx ＝ fy ＝ 2 时，图像被按全比例放大 2 倍， 放大后图像中的 (0 ， 0) 像素对应于原图中的 (0 ， 0) 像素； (0 ， 1) 像素对应于原图中 的 (0 ， 0.5) 像素，该像素不存在！ 怎么办？ 插值！ 最简单的插值方法： 对应于原图中的 (0 ， 0.5) 像素 (0 ， 1) ， 将其近似为 (0 ， 0) 也可以近似 (0 ， 1) ； (1 ， 0) 像素近似 于 (0 ， 0) 或 (1 ， 0) 像素； (2 ， 0) 像素对应于原图中的 (1 ， 0) 像素，依此类推。 结果： 马赛克！ 思考一个问题：如果放大倍数太大，按照前面的方法处理会出现 马赛 克 效应，有没有办法解决？或者想办法至少使之有所改善？ 在输入图像 f(x,y) 中，灰度值仅在整数位置 (x,y) 处被定 义。然而，在几何变换中，输出图像 g(x,y) 的灰度值一般由 处在非整数坐标上的 f(x,y) 的值来决定。所以，如果把几何 变换看成是一个从 f 到 g 的映射，则 f 中的一个像素会映射到 g 中几个像素之间的位置；反过来也是如此。这就需要利用灰 度级插值算法以确定几何变换后的像素的灰度值。 输出像素通常被映射到输入图像中的非整数位置，即位 于四个输入像素之间来决定与该位置相对应的灰度值，所以 必须进行插值运算以确定输出像素的灰度值。常用的插值算 法有 最近邻插值法（ Nearest neighbor ）和双线性插值法 （ Bilinear ） 两种。 1. 最简单的插值方法是所谓零阶插值（ Zero-order ）或称 为最近邻插值 ， 即令输出像素的灰度值等于离它所映射到的位置最近 的输入像素的灰度值。计算十分简单，在许多情况下，其结果也可令人 接受。然而，当图像中包含像素之间灰度级有变化的细微结构时，最近 邻插值法会在图像中产生人工的痕迹。如图所示为一个用