数字图像处理 第八章 图像缩放.ppt

球形变换模拟通过一个透明的半球看图像或着在图像上放置一个透镜时的效果。映射函数为：8.2二维函数映射***数字图像处理DigitalImageProcessing第八章图像缩放引言二维函数映射213图像缩放算法*第八章图像缩放引言二维函数映射213图像缩放算法*8.1引言数字图像的几何运算通过改变图像的几何结构来实现图像的变形——平移、旋转、缩放。通过改变像素的坐标将一个给定的图像I变换成图像I’I(x,y)→I’(x’,y’)映射函数T:R2→R2，R连续空间X’=T(x)数字图像是在离散栅格点上Z×Z*第八章图像缩放引言二维函数映射213图像缩放算法*8.2.1简单映射映射函数T()是一个连续函数，常根据x，y分量指定为两个分离的函数：x’=Tx(x,y)，y’=Ty(x,y)。则简单的变换为平移变换（移位）：平移向量为（dx，dy）：比例变换（压缩和延展）：沿x轴和y轴方向比例因子分为Sx，Sy8.2二维函数映射*剪切变换：沿x轴和y轴方向因子分别为bx和by（每次只在一个方向进行，另一个因子设为零）旋转变化：旋转角度a（旋转中心为坐标原点0）8.2二维函数映射*8.2二维函数映射8.2.2齐次坐标问题：平移变换的表示为标量的加法形式，不能以矩阵乘法的形式来表示。齐次坐标：如果h不为零，则：对一个笛卡尔向量有无限多个其次向量与之对应。*齐次坐标“就是由n+1维矢量表示一个n维矢量。好处：提供了用矩阵运算把二维、三维甚至高维空间中的一个点集从一个坐标系变换到另一个坐标系的有效方法。可以表示无穷远点。8.2二维函数映射*约定：带浪线的是非齐次,不带浪线的是齐次的假设平面上都已经建立了欧式坐标系平面上的点：平面上的直线方程设t为非零常数写成则有：p为变量，表示直线上的一个点为点的齐次坐标。l是固定向量表示一条直线：为直线的齐次坐标。8.2二维函数映射*普通二维坐标和二维齐次坐标之间进行转换对于一个普通坐标的点=(px,py)，有对应的一族齐次坐标P=(wpx,wpy,w)，其中w不等于零。比如(1,4)的齐次坐标有(1,4,1)、（2,8,2）、（-0.1,-0.4,-0.1）等等。如果把一个点从普通坐标变成齐次坐标，给x,y乘上同一个非零数w，然后增加第3个分量w；如果把一个齐次坐标转换成普通坐标，把前2个坐标同时除以第3个坐标，然后去掉第3个分量。8.2二维函数映射*齐次坐标可以相差任意非零常数因子：对于任意不为0的常数s,p和q=sp为同一个点：因为他们的非齐次坐标相等：同理和为同一条直线。8.2二维函数映射*8.2.3仿射（三点）映射有了齐次坐标，我们可以把2D平移变换写为：进而可以通过齐次坐标将2D的平移变换、比例变换和旋转变换的任意组合表示为向量矩阵乘法——仿射变换。8.2二维函数映射*变换参数的确定六个参数可以由三个对应点对唯一确定(X1,X’1)、(X2,X’2)(X3,X’3)Xi(xi,yi)位于原图像中（且线性独立）X’i(x’i,y’i)位于目标图像中我们可以通过解方程组：8.2二维函数映射*8.2二维函数映射解得：*放射变换：直线变为直线三角形变换为三角形矩形变换为平行四边形直线平行性保持直线上点之间的距离比保持不变8.2二维函数映射*逆映射仿射变换的反函数T-1()8.2二维函数映射*8.2.4投影（四点)映射(射影变换)任意两