《数字图像处理》课件_第4章.pptx

第4章图像的几何变换;

4.1几何变换基础

;

4.1.2齐次坐标

将点P0(x0,y0)平移到P(x,y),其中x、y方向的平移量分别为Δx、Δy。则点P(x,y)的坐标为

如图4-1所示,式(4-1)可以用矩阵的形式表示为;

;

因平面上点的变换矩阵中无平移常量,无论a、b、c、d取任何值,均无法实现上述平移变换,故需要使用2×3阶变换矩阵,其形式为;

;

下面再验证点P(x,y)按照3×3的变换矩阵T平移变换的结果

由式(4-5)可见,引入附加坐标后,扩充了矩阵的第3行,变换结果未受影响。这种用n+1维向量表示n维向量的方法称为齐次坐标表示法。;

因此,2D图像中的点坐标(x,y)通常表示成齐次坐标(Hx,Hy,H),其中H表示非零的任意实数,当H=1时,称(x,y,1)为点(x,y)的规范化齐次坐标。;

齐次坐标的几何意义相当于点(x,y)落在3D空间H=1的平面上,如图4-2所示。如果将xoy平面内的三角形abc的各顶点表示成齐次坐标(xi,yi,1)(i=1,2,3)的形式,则变换后便成为H=1平面内的三角形a1b1c1的各顶点。;

;

4.1.3二维图像几何变换的矩阵

利用齐次坐标及改成3×3阶的变换矩阵T,实现2D图像几何变换的基本过程为:将2×n阶的二维矩阵

表示成齐次坐标的形式,然后乘以相应的变换矩阵即可完成,即;

;

3×3的阶矩阵T可以分成4个子矩阵。其中,2×2阶子矩阵可使图像实现以坐标原点为变换中心的恒等、比例、反射(或镜像)、错切和旋转变换。[pq]T子矩阵可以实现图像的平移变换,s元素可以使图像实现全比例变换(放大、缩小或保持不变)。例如,将图像进行全比例变换,即

将齐次坐标规范化后,[x0i/s,y0i/s,1]T=[xi,yi,1]T。由此可见,当s1时图像按比例缩小,当0s1时,整个图像按比例放大,当s=1时图像大小不变。;

4.2图像比例缩放;

;

比例缩放前后P0(x0,y0)和P(x,y)之间的关系用矩阵形式可表示为;

式(4-8)的逆运算为

即;

比例缩放后,图像中的像素在原图像中可能找不到对应的像素点,则此时需要进行插值处理。常用的两种插值处理方法:

一种是直接赋??为与它最相近的像素值,称为最邻近

插值法(NearestNeighborInterpolation)或者最近邻域法;

另一种是通过插值算法计算相应的像素值的方法。;

1.图像的比例缩小

最简单的比例缩小是当fx=fy=1/2时,图像被缩到1/4-大小,缩小后图像中的(0,0)像素对应于原图像中的(0,0)像素;(0,1)像素对应于原图像中的(0,2)像素;(1,0)像素对应于原图像中的(2,0)像素,以此类推。即取原图的偶(奇)数行和偶(奇)数列构成新的图像,如图4-4所示。;

;

若图像按任意比例缩小,则需要计算选择的行和列。将M×N大小的原图像F(x,y)缩小为kM×kN大小(k1)的新图像I(x,y)时,则

式中,c=1/k。由式(4-9)可以构造出新图像,如图4-5所示。;

;

2.图像非比例缩小

当fx≠fy(fx1,fy1)时,因为在x和y方向的缩小比例不同,一定会产生图像的几何畸变。图像不按比例缩小的方法是:如果M×N大小的原图像F(x,y)缩小为k1M×K2n大小(k11,k21)的新图像I(x,y)时,则

式中:c1=1/k1;c2=1/k2。;

3.图像的比例放大

在图像的放大操作中,会产生多出来的像素空格,故需要确定其像素值,这是信息的估计问题。同理,当fx=fy=2时,图像被按全比例放大两倍,放大后图像中的(0,0)像素对应于原图中的(0,0)像素;(0,1)像素对应于原图中的(0,0.5)像素,该像素不存在,可以近似为(0,0)也可以近似为(0,1);(0,2)像素对应于原图像中的(0,1)像素;(1,0)像素对应于原图中的(0.5,0)像素,它的像素值近似为(0,0)或(1,0)像素;(2,0)像素对应于原图中的(1,0)像素,以此类推。其实是将原图像每行中的像素重复取值一遍,然后每行重复一次。图4-6是原始图像,图4-7和图4-8是分别采用上述两种近似方法放大后的图像。;

;

一般地,按比例将原图像放大k×k倍时,若按最近邻域法则需要将一个像素值添在新图像的k×k子块中。如图4-9所示。;

为了提高几何变换后图像的质量,常采用线性插值法。该方法的原理是:当求出的分数地址与像素点不一致时,求出其与周围4个像素点的距离比,根据该比率,由4个邻域的像素灰度