第8章 几何运算.pptVIP

* 数字图像处理 Digital Image Processing DIP 中国传媒大学信息工程学院 * 第8章 几何运算 第1页，共39页，编辑于2022年，星期日 　　f(x, y)的灰度值仅在整数位置(x, y)被定义（原始图像各像素是位于各离散的整数坐标点上），但变换后的g(x, y)可能对应于非整数坐标。 　　这就意味着，g(x, y)的灰度值通常会由处于非整数坐标点上的f(x, y)的值来决定。 　　因此，如果把f映射为g，则f中的一个像素可能会映射到g中几个像素之间的位置；反之亦然。 　　规定：所有像素都正好位于采样栅格的整数坐标处。 8.1.2 灰度级插值 * 第2页，共39页，编辑于2022年，星期日 8.1.3　实现 　　当实现一个几何运算时，可以想象将输入图像的灰度一个一个像素地转移到输出图像中，若一个像素被映射到4个输出像素之间的位置，则其灰度值就要按照插值算法，在4个输出像素之间进行分配。这便是像素移交映射。 像素移交映射 向前映射 x’ y’ y x f(x’, y’) g(x, y) x, y非整形 x’, y’整形 * 第3页，共39页，编辑于2022年，星期日 　　还可以有另一种与上述相反的映射过程，即：将输出图像的灰度一个一个像素地反向映射到输入图像中，因此一个输出像素可能会被映射到4个输入像素之间的位置，输出像素的灰度值就要按照插值算法，由4个输入像素的某种组合来决定。这便是像素填充映射。 像素填充映射 向后映射 x’ y’ y x f(x’, y’) g(x, y) x, y整形 x’, y’非整形 * 第4页，共39页，编辑于2022年，星期日 8.2 灰度值插值 　　输出像素被映射到输入图像中的非整数位置，即4个像素之间，因此需要插值运算。 8.2.1　最邻近插值（零阶插值） 　　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。 　　简单，但精度不高。 * 第5页，共39页，编辑于2022年，星期日 8.2.2　双线性插值（一阶插值） 　　函数f(x, y)在单位正方形顶点的值已知，希望通过插值找到正方形内任意点的值。 　　显然，令由双线性方程f(x, y)＝ax＋by＋cxy＋d来定义的一个双曲抛物面与已知灰度值的4个顶点拟合，即可根据这4个顶点的灰度值求出a、b、c、d 这4个系数。从而得到用于计算灰度级插值的双线性方程。 一维线性插值： f(x)＝f(0) ＋x[f(1) - f(0) ] f(0) f(1) 0 1 x f(x) * 第6页，共39页，编辑于2022年，星期日 二维线性插值（仿照一维插值方法分三步进行）： 对y=0的两顶点插值：f(x, 0)＝f(0, 0) ＋x[f(1, 0)－f(0, 0)] 对y=1的两顶点插值：f(x, 1)＝f(0, 1) ＋x[f(1, 1)－f(0, 1)] 对x处y方向的两点插值：f(x, y)＝f(x, 0) ＋y[f(x, 1)－f(x, 0)] 也可将上三式合并： 　　f(x, y)＝[f(1, 0)－f(0, 0)]x＋[f(0, 1)－f(0, 0)]y＋ 　　　　　[f(1, 1)＋f(0, 0)－ f(0, 1)－f(1, 0)] xy＋ f(0, 0) 　　由上可见：前3个式子共3次乘、6次加，而第4个式子则有4次乘、8次加。因此，用前3个式子分步计算要比只用第4个式子一次计算还要快些。 * 第7页，共39页，编辑于2022年，星期日 f(0,0) f(0,1) f(1,0) f(1,1) f(x,1) (x,1) f(x,y) (x,y) (0,y) f(x,0) (x,0) (1,1) (0,1) (0,0) (1,0) x y x y 　　由图可见，通过双线性插值得到的f(x,y)与4个顶点f(0,0)、f(1,0)、f(0,1)、f(1,1)通常是不一样的。 * 第8页，共39页，编辑于2022年，星期日 放大263.9% 最临近插值 双线性插值 * 第9页，共39页，编辑于2022年，星期日 8.2.3　高阶插值 　　双线性插值具有平滑作用，会使图像的细节退化，特别是在放大处理时，这种影响将更为明显。 　　另外，由双线性插值得到的双曲抛物面在邻域的边界处相接吻合，但该处的斜率并不吻合，即导数在边界处不连续。 　　因此，高阶插值相当于用一张大的蒙皮恰好盖住各个灰度桩值，而不是象双线性插值那样，仅是对每相邻的4个桩盖一张蒙皮。 灰度桩值 * 第10页，共39页，编辑于2022年，星期日 8.3 空间变换 8.3.1　简单变换 根据前面的公式：g(x, y)＝f(x’, y’) ＝f[a(x, y)，b(x, y)] ①令a(x, y)＝x，b(x, y)＝y 　　　则g(x, y