数字图像处理几何变换.ppt

第五章数字图像处理中的基本运算;本章主要内容和基本要求;5.1 数字图像处理基本运算的分类 一、图像处理算法的分类： 单幅图像————单幅图像 多幅图像————单幅图像 多幅图像或单幅图像————数值/符号（图像分析） 二、根据基本运算分类 点运算 邻域运算 ;5.2 点运算;; 代数运算就是二者点对点的加、减、乘、除运算。对f图所有灰度加c级灰度可作如下处理：J=f+c;给整幅图像增加灰度级会使图像亮度得到提高整体偏亮，给个别象素加灰度值可以使目标景物突出，例如：;;;;两幅连续???图像运算可以有基本运算组合而成如：K＝af＋bg：;二、代数运算的用途;5.3 图像的几何运算;;（x0 ,y0 )点，经过平移（tx,ty），变为点（x1,y1）两点之间的关系 为：x1=x0+tx; y1=y0+ty.以矩阵的形式表示为 :;我们更关心的是它的逆变换： ;例如：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。设用 表示新图，用 表示原图。;在新图的坐标系中;平移后出现的问题;平移前的图;平移后的图像;还有一种做法是：将图象放大，使得能够显示下所有部分 ;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|和h1+|ty|，加绝对值符号是因为tx,ty有可能为负 .;先看x方向(width指图象的宽度) ;图5;3．0txwidth , 如图6所示 , 图像向右下方平移0txwidth,0tyheight的情况图象区域的x范围从tx到width,对应原图的范围从0到width-tx ;; 这种做法利用了位图存储的连续性，即同一行的像素在内存中是相邻的。利用memcpy函数，从(x0,y0)点开始，一次可以拷贝一整行（宽度为x1-x0），然后将内存指针移到(x0,y0+1)处，拷贝下一行，这样拷贝(y1-y0)行就完成了全部操作，避免了一个一个像素的计算，提高了效率。 ;二、旋转(rotation) ;图－8旋转后的图;若要使旋转后保持原尺寸图像就要进行裁切;图像旋转变换矩阵 ;旋转前：x0=r*cos(b)； y0=r*sin(b) 旋转a角度后 ： ;以矩阵的形式表示 ;其逆矩阵的形式表示为;上面的公式中，坐标系I是以图象的中心为原点，向右为x轴正方向，向上为y轴正方向。它和以图象左上角点，向右为x??正方向，向下为y轴正方向的坐标系II之间的转换关系如何呢？ ;逆变换为 ：;按照上面的公式，我们可以把变换分成3步： 第一： 将坐标系II变成I ；第二： 将该点顺时针旋转a角；第三： 将坐标系I变回II ，这样，我们就得到了变换矩阵，是上面三个矩阵的级联。 ;上面公式中Wold表示原图的宽 ,Hold表示原图 的高,Wnew新图的宽 ,Hnew新图的高 ，可以看出 ;可以根据以上公式 ，求出对应的原图中的点，得到它的灰度，如果超出原图范围则填成白色。要注意的是，由于有浮点运算，计算出来点的坐标可能不是整数，采用取整处理，即找最接近的点，这样会带来一些误差（图象可能会出现锯齿），更精确的方法是采用插值 。插值算法后面详细介绍。;三、镜象(mirror) ;水平镜像;垂直镜像;镜象的变换矩阵很简单，设原图宽为w，高为h，变换后，图的宽和高不变.水平镜象为： ;四、转置(transpose) ;要注意的是，转置和旋转90度是有区别的，不信你可以试试，你怎么转，也转不出图15度来。另外，转置后图的宽高对换了。转置的变换矩阵很简单: ;五、缩放（zoom） ;;;;插值算法（Interpolation） ;（1）最临近插值;6×6的原图f;X0=0/0.5=0 y0 =0 X1=1/0.5= 2 y1=2 X2=2/0.5=4 y2=4 g(0,0)=f(0,0) , g(0,1)=f(0,2) , g(0,2)=f(0,4), g(1,0)=f(2,0), g(1,1)=f(2,2), g(1,2)=f(2,4) g(2,0)=f(4,0), g(2,1)=f(4,2) ,g(2,2)=f4,4) ;图像缩小，可以在原图像中挑选信息，缩小之后的图与原图像比较丢失了很多信息。 图像放大处理中，需要对放大后多出来的