3-3代数运算——几何变换2.pptx

§3.3代数运算与逻辑运算;§3.3.1加法运算;去除“叠加性”噪音;图像的加法运算(MATLAB)

格式：Z=imadd〔X，Y〕或Z=imadd〔X，n〕;例3.1加法消除随机高斯噪声;M=10;I1=imread(timg.jpg);

J1=im2double(I1);

I2=imread(sky2.jpg);

J2=im2double(I2);

J3=J2(1:700,1:1000,:);

K=(J1+J3)/2;;§3.3.2减法运算;消除背景影响:即去除不需要的叠加性图案;差影法;差影法在自动现场监测中的应用;差影法在自动现场监测中的应用;血管造影技术;例1.差影法可以用于混合图像的别离;例2.检测同一场景两幅图像之间的变化

设：时刻1的图像为T1(x,y)，

时刻2的图像为T2(x,y)

g(x,y)=T2(x,y)-T1(x,y);图像的减法运算(Matlab);噪声检测

I=imread(lena.bmp);

J=imnoise(I,saltpepper,0.2);

K=imsubtract(J,I);

K1=K-255;

figure

subplot(1,3,1)

imshow(I)

subplot(1,3,2)

imshow(J)

subplot(1,3,3)

imshow(K);;混合模型分类;为了更好地恢复原貌,最好了解图像合成的过程.;§3.3.3乘法运算;实现灰度变换

一般形式：C(x,y)=A(x,y)*k;原图K=1.2;原图K=1.4;?;掩模图像:

一般形式：C(x,y)=A(x,y)*B(x,y)

其中B(x,y)的取值为0，或1.;;举例：利用掩模可以做个游戏;通过掩模显示局部图像;§3.3.4除法运算;0.43

90;§3.3.5逻辑运算;1;例2：逻辑连线;§3.4几何运算;齐次坐标：何变换一般形式〔新、旧位置关系〕;为了能够用统一的矩阵线性变换形式来表示和实现这些常见的图像几何变换，就需要引入一种新的坐标，即齐次坐标。采用齐次坐标可以实现上述各种几何变换的统一表示。;表示为如下形式;首先想到的是：将T矩阵扩展为如下2×3变换矩阵，把平移项收到矩阵中，其形式为：;问题：非方阵，虽然可以实现图像各像素点的平移变换，但不方便。

解决方法：一般将2×3阶变换矩阵T进一步扩充为3×3方阵，即采用如下变换矩阵〔加一行001〕：;总结：这种以n+1维向量表示n维向量的方法称为齐次坐标表示法。齐次坐标的几何意义相当于点(x，y)投影在xyz三维立体空间的z=1的平面上。;§3.4.1图像的平移;?;§3.4.2图像的镜像;垂直镜像：以图像的水平中轴为中心，作左右对称变换 。;§3.4.3图像的旋转;注意：

由于图像的坐标值必须是整数，因此，旋转可能引起图像局部像素点的局部改变。

图像的大小也会发生一些改变。〔平移然后旋转〕;图像旋转的Matlab函数;例如：;§3.4.4图像的缩放;图像按比例缩小：最简单的是减少一半，常用的方法是保存原图像的奇数行和列或偶数的行和列。;I=imread(pic_2.jpg);

K=imresize(I,0.25);

figure

imshow(I)

figure

imshow(K);图像不按比例缩小：图像在x方向和y方向缩放比例不同,一定会带来图像的畸变。;图像按比例放大：图像在x方向和y方向放大比例相同,这样会多出一些很多空格，需要采用插着方法进行填充。;I=imread(eye.png);

K=imresize(I,16,bilinear);;图像不按比例放大：图像在x方向和y方向放大比例不相同,必然产生畸变。;§3.4.5灰度差值〔重采样〕;最邻近插值法;双线性插值;双线性插值的特点;三阶插值：三次内插法是指用〔x,y〕周围的16个网格点灰度按三次多项式进行内插的高精度算法。

此算法精度高，但计算量大。能较好的保持图像边缘。;第三章小结：

点运算〔线性变换、对数变换〕

代数运算〔加、减、乘、除〕

几何运算〔平移、镜像、旋转、缩放〕