radon变换说明及matlab例子.docxVIP

Radon变换： 又称为Hough Transform (数字图像处理课程里学过 数字图像处理课件 3-P37) 考虑b=ax+y,将原来的XY平面内的点映射到 AB平面上。则原来在 XY平面上的一条直 线的所有的点，在AB平面上都位于同一个点。通过记录下AB平面上的点的积累厚度，可反知 XY面上的一条线的存在。在新平面下得到相应的点积累的峰值 ，可得出原平面的显著的线 Figure 3.30 (a) xy (b) Parameter space. Figure 3.30 (a) xy (b) Parameter space. 例如:XY平面上的一个直线 y=2x-3; 变换-3=-2x+y; 其中:a=-2,b=-3 若有两个点在XY平面:(0,-3),(2,1), 此两点都过直线,则可知有AB平面上，此两点在 (-2,-3)AB 平面上。 一种更好的表示方法就是用 与来代替ab。即:xcos +ysin = 以图像的中心为极坐标原点，直线X、即为新的投影坐标，为角度。我们所要求的原坐标 上的一条直线,就是一条垂直于上图 X的一条直线,而非X本身。 如下例： fun cti on radon test l=zeros(200,200); %l(100:170,100:170)=1; A=eye(100,100); l(101:200,1:100)=A; figure, imshow(I);title( org inal image ); org inal image org inal image theta=0:180; [R,xp]=rado n(l,theta); % R就是点的数量多少 % xp就是R对应的坐标位置，即为X ,另一解释为直线跟原点间距离 % 0-180代表0到180度 %此变换就是以图像的中心点为原点的变换 R_theta X); figure,imagesc(theta,xp,R); title( xlabel( theta(degree) ); figure,imagesc(theta,xp,R); title( xlabel( theta(degree) ); ylabel( Xprime); colormap(hot); colorbar; Pjheta X 0 50 100 160 thetafdegree 即所求=45度,X=-75左右。意思就是在原 XY坐标下的45度的直线X上，距离原点75的 位置有条与 X垂直的直线。此直线真正的 45+90=135度,右移-75/sin45=100 的距离。 眄⑥帖凤叫遇占十勺血白-如H (6) 由⑹式可见,f(x) 的Radon变换就是f(x) 沿不同9方向的投影； 而f(x) 的脊波变换瞧作就是先对f(x) 进行Radon变换，然后沿着每个积分方 向做一维小波变换的结果，即： 借辺阻址” ①巧⑥站 (7) 正因为脊波变换在Radon域上对各个方向进行一维小波变换，将图像的线奇 异性转换为点奇异性，充分利用小波变换对点奇异性的良好表示特性来得到具有 线奇异性图像的稀疏表示。脊波逆变换可以通过沿每一方向做一维小波逆变换 ， 然后进行Radon逆变换得到。 然而Randon变换的离散化就是一个比较复杂的问题，在众多的离散化算法中，有 些存在大量的冗余，有些虽然克服了大的冗余度，但就是得到其所对应的逆变换 又比较困难。其中有限 Radon变换FRAT(Finite Radon Transform)⑹⑺就是其中 比较好的离散化算法之一。有限 Radon变换就是有限大小的二维离散图像实现 Rado n变换的离散化方法。 一个NX N(N要求就是一个素数)大小的图像f(i,j), 其中{0,1,2…,N —1}0它的有限Radon变换FRAT定义为： 其中, 其中,丄打就是满足斜率k与截距l 的直线上的所有象素点的集合，定 义如下: 当 k€{0,1,2 …,N- 1}当A 产險) 当 k€{0,1,2 …,N- 1} 当 ?…,N-D) (9) 由式(8)(9)可知，有限Radon变换就是满足要求的直线上的图像象素 点灰度值的累加与。一个NXN大小的图像经有限Radon变换后，将得到(N+ 1) XN 大小的矩阵，它有N+ 1个斜率方向，每个方向上有N个系数。 有限Radon变换的逆变换可以通过有限逆投影变换 FBP(Finite Back Projection)来得到: (10) (10) 其中P指的就是所有通过点(i,j)的直线的斜率k与截距l的集合, 即： 可=｛顾匚苗诙d砾丽;犖｝｝… J = U= N} 为了获得更好的能量集中性，由式(8)与(10)所定义的有限Radon变换 (FRAT)与反变换FBP要求变换的图像均值为零⑹，对于均值不为零的图