图象的几何变换.docxVIP

第二讲图象的几何变换 这一讲我们将介绍图象的几何变换， 包括图象的平移，旋转，镜象变换，转置，放缩等。 如果你熟悉矩阵运算，你将发现，实现这些变换是非常容易的。 平移(translation) 平移变换大概是几何变换中最简单的一种了。 图1.平移的示意图 如图1所示，初始坐标为(x0,y0)的点经过平移(tx,ty)(以向右，向下为正方向)后， 坐标变为(x1,y1 )。这两点之间的关系是 x1=x0+tx; y1=y0+ty.以矩阵的形式表示为： TOC \o 1-5 \h \z x1 x0 1 0 0 y1 = y0 0 1 0 (1) 1」J j[tx ty 1j 我们更关心的是它的逆变换： x0 x1 1 0 0 y0 = |y1 | 0 1 0 (2) J j [IOI-tx -ty 1 j 这是因为：我们想知道的是平移后的图象中每个像素的颜色。例如我们想知道，新图中 左上角点的RGB值是多少？很显然，该点是原图中的某一点经过平移后得到的，这两点的 颜色肯定是一样的，所以只要知道了原图那点的 RGB值即可。那么到底新图中的左上角点 对应原图中的哪一点呢？将左上角点的坐标( 0,0)代入公式(2),得到x0=-tx ; y0=-ty ;所以 新图中的(0,0)点的颜色和原图中(-tx,-ty)的一样。 这样就存在一个问题：如果新图中有一点( x1,y1 )，按照公式(2)得到的(x0,y0)不在原图 中该怎么办？通常的做法是，把该点的 RGB值统一设成(0,0,0)或者(255,255,255)。 另一个问题是：平移后的图象是否要放大？ 一种做法是不放大， 移出的部分被截断， 如下图 所示，图2为原图，图3为移动后的图。这种处理，文件大小不会改变。 图3.移动后的图 还有一种做法是：将图象放大，使得能够显示下所有部分。如图 4所示。 这种处理，文件大小要改变。设原图的宽和高分别是 w1,h1则新图的宽和高变为 w1+|tx| 一丫1U =V- 一丫1 U = V- R 0.299 G 0.587 _B_0.114 R Y 1 G = U 0 :B- NJ.140 1 -0.395 -0.581 1 2.032 0 (4) 和h1+|ty|，加绝对值符号是因为 tx,ty有可能为负（即向左，向上移动） 。 下面的函数Translation采用的是第一种做法，即移出的部分被截断。在给出源代码之前， 先说明一个问题。如果你用过Photoshop,Corel PhotoPaint等图象处理软件，你可能听说过灰 度图” （grayscale）这个词。灰度图是指只含亮度信息，不含色彩信息的图象，就象我们平 时看到的黑白照片。亮度由暗到明，变化是连续的，因此，要表示灰度图，就需要把亮度值 进行量化。通常划分成 0到255共256个级别，0最暗（全黑），255最亮（全白）。.bmp格 式的文件中，并没有灰度图这个概念，但是，我们可以很容易的用 .bmp文件来表示灰度图。 方法是用256色的调色板，只不过这个调色板有点特殊，每一项的 RGB值都是相同的。也 就是说 RGB 值从（0, 0, 0）, （1 , 1 , 1） 一直到（255, 255, 255）。（0, 0, 0）是全黑色， （255, 255, 255）是全白色，中间的是灰色。这样，灰色图就可以用 256色图来表示了。 为什么会这样呢？难道是一种巧合？其实并不是。 在表示颜色的方法中， 除了 RGB夕卜， 还有一种叫YUV的表示方法，用的也很多。电视信号中用的就是一种类似于 YUV的颜色 表示方法。这种表示方法中， Y分量的物理含义就是亮度， U和V分量代表了色差 信号（你不必了解什么是色差，只要知道有这么一个概念就可以了） 。使用这种表示方法有 很多好处，最主要的有两点： 1.因为Y代表了亮度，所以， Y分量包含了灰度图的所有 信息，只用Y分量就完全能够表示出一幅灰度图来。当同时考虑 U , V分量时，就能够表 示出彩色信息来。这样，用同一种表示方法可以很方便的在灰度和彩色图之间切换， 而RGB 表示方法就做不到这一点了。 2.人眼对于亮度信号非常敏感， 而对色差信号的敏感程度相 对较弱。也就是说，图象的主要信息包含在 Y分量中。这就提示了我们，如果在对 YUV 信号进行量化时，可以“偏心” 一点，让 Y的量化级别多一些（谁让它重要呢？）而让 UV 的量化级别少一些，就可以实现图象信息的压缩，这一点将在图象压缩那一讲中仔细研究， 这里就不深入讨论了。而 RGB的表示方法就做不到这一点，因为 RGB三个分量同等重要， 缺了谁也不行。 YUV和RGB之间有着如下的对应关系 -0.148 0.615 -0.289 -0.515 0.437 -0.100 RGB RGB的值都