数字图像处理第六章图像的几何变换.ppt

6.3图像平移6.3.1图像平移变换图6-12图像平移设点P0(x0,y0)进行平移后，移到P(x,y)，其中x方向的平移量为Δx，y方向的平移量为Δy。那么，点P(x,y)的坐标为利用齐次坐标，变换前后图像上的点P0(x0,y0)和P(x,y)之间的关系可以用如下的矩阵变换表示为（6-2）对变换矩阵求逆，可以得到式（6-2）的逆变换即这样，平移后的图像上的每一点都可以在原图像中找到对应的点。例如，对于新图中的（0，0）像素，代入上面的方程组，可以求出对应原图中的像素(-Δx，-Δy)。如果Δx或Δy大于0，则点(-Δx，-Δy)不在原图像中。对于不在原图像中的点，可以直接将它的像素值统一设置为0或者255。同样，若有像素点不在原图像中，也就说明原图像中有点被移出显示区域。如果不想丢失被移出的部分图像，可以将新生成的图像宽度扩大|Δx|，高度扩大|Δy|。图6-13平移前的图像图6-14平移后的图像图6-15平移扩大后的图像6.4图像镜像6.4.1图像镜像变换图像的镜像(Mirror)变换分为两种：一种是水平镜像，另外一种是垂直镜像。图像的水平镜像操作是将图像左半部分和右半部分以图像垂直中轴线为中心进行镜像对换；图像的垂直镜像操作是将图像上半部分和下半部分以图像水平中轴线为中心进行镜像对换，如图6-16所示。图6-16图像的镜像图像的镜像变换也可以用矩阵变换表示。设点P0(x0,y0)进行镜像后的对应点为P(x,y)，图像高度为fHeight，宽度为fWidth，原图像中P0(x0,y0)经过水平镜像后坐标将变为（fWidth-x0，y0），其矩阵表达式为(6-3)逆运算矩阵表达式为即同样，P0(x0,y0)经过垂直镜像后坐标将变为(x0，fHeight-y0)，其矩阵表表达式为(6-4)逆运算矩阵表达式为即图6-18水平镜像图6-19垂直镜像图6-17镜像前的图像6.5图像旋转6.5.1图像旋转变换一般图像的旋转是以图像的中心为原点，将图像上的所有像素都旋转一个相同的角度。图像的旋转变换是图像的位置变换，但旋转后，图像的大小一般会改变。和图像平移一样，在图像旋转变换中既可以把转出显示区域的图像截去，也可以扩大图像范围以显示所有的图像。如图6-20、图6-21所示。图6-20旋转前的图像图6-21旋转θ后的图像（扩大图像、转出部分被截）同样，图像的旋转变换也可以用矩阵变换表示。设点P0(x0,y0)旋转θ角后的对应点为P(x,y)，如图6-22所示。那么，旋转前后点P0(x0,y0)、P(x,y)的坐标分别是：图6-22图像旋转θ角写成矩阵表达式为(6-5)其逆运算为利用公式（6-5）可以确定旋转后图像上的像素。例如，当θ=30°时，公式（6-5）为而且，此时xmin=0.866-0.5×3=-0.634;xmin=0.866×3-0.5=2.098ymin=0.866+0.5=1.366;ymax=0.866×3+0.5×3=4.098图6-23图像旋转θ角利用公式（6-5）进行图像旋转时需要注意如下两点：（1）图像旋转之前，为了避免信息的丢失，一定要有坐标平移，具体的做法有如图6-24所示的两种方法。图6-24图像旋转之前进行的平移（2）图像旋转之后，会出现许多空洞点，如图6-23所示。对这些空洞点必须进行填充处理，否则画面效果不好，一般也称这种操作为插值处理。最简单的方法是行插值方法或列插值方法：①找出当前行的最小和最大的非白点的坐标，记作：(i,k1)、(i,k2)。②在(k1,k2)范围内进行插值，插值的方法是：空点的像素值等于前一点的像素值。③同样的操作重复到所有行。经过如上的插值处理之后，图像效果就变得自然。如图6-25所示。列插值方法与此类同，请读者自己给出。图6-25图6-23中的图像处理后的效果图6-26旋转前的图像图6-27旋转15°并进行插值处理的图像图6-28被放大的旋转前图像6-29旋转300并进行插值处理的放大图像6.6图像复合变换6.6.1图像复合变换图像的复合变换是指对给定的图像连续施行若