图像的基本知识和运算.pptVIP

为了能够用统一的矩阵线性变换形式，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。如图所示，则新位置A1(x1，y1)的坐标为：表示为如下形式即不能表示为如下形式：由于矩阵T中没有引入平移常量，无论a、b、c、d取什么值，都不能实现式平移功能。不能实现平移变换功能，怎么办?需要进行改进。将T矩阵扩展为如下2×3变换矩阵，其形式为：根据矩阵相乘的规律，在坐标列矩阵[xy]T中引入第三个元素，扩展为3×1的列矩阵[xy1]T,就可以实现点的平移变换。变换形式如下：上述变换虽然可以实现图像各像素点的平移变换，但为变换运算时更方便，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：这样一来,平移变换可以用如下形式表示：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。2.7.2.1空间变换（2）图像的平移注意：平移后的景物与原图像相同，但“画布”一定是扩大了。否则就会丢失信息。图像的缩小图像的缩小一般分为按比例缩小和不按比例缩小两种。图像缩小之后，因为承载的信息量小了，所以画布可相应缩小。图像的减半缩小效果a.图像按比例缩小：最简单的是减小一半，这样只需取原图的偶（奇）数行和偶（奇）数列构成新的图像。图像的按比例缩小效果1b.图像不按比例缩小：2这种操作因为在x方向和y方向的缩小比例不同，一定会带来图像的几何畸变。图像的不按比例任意缩小非线性拉伸实例2非线性拉伸实例3非线性拉伸实例4在一些数字图像中，技术人员所关注的特征可能仅占据整个灰度级非常小的一个范围。点运算可以扩展所关注部分的灰度信息的对比度，使之占据可显示灰度级的更大部分。又称为对比度拉伸。对比度增强点运算可消除图像传感器的非线性的影响。光度学标定点运算的应用02点运算可为图像加上轮廓线。(4)轮廓线一些显示设备不能保持数字图像上像素的灰度值和显示屏幕上相应点的亮度之间的线性关系。可以通过点运算予以克服，即在图像显示之前，先设计合理的点运算关系，可将点运算和显示非线性组合起来互互相抵消，以保持在显示图像时的线性关系。(3)显示标定010102概念运算类型及应用2.6代数运算.概念代数运算是指两幅输入图像之间进行点对点的加、减、乘、除运算得到输出图像的过程。如果记输入图像为A(x,y)和B(x,y)，输出图像为C(x,y)，则有如下四种形式：(1)C(x,y)=A(x,y)+B(x,y)(2)C(x,y)=A(x,y)-B(x,y)(3)C(x,y)=A(x,y)×B(x,y)(4)C(x,y)=A(x,y)/B(x,y)加运算减运算乘运算除运算2.6.2.运算类型及应用01C(x,y)=A(x,y)+B(x,y)02主要应用举例去除“叠加性”随机噪音生成图像叠加效果（1）加运算去除“叠加性”噪音对于原图象f(x,y),有一个噪音图像集 {gi(x,y)}i=1,2,...M 其中：gi(x,y)=f(x,y)+h(x,y)iM个图像的均值定义为：g(x,y)=1/M(g0(x,y)+g1(x,y)+…+gM(x,y))当：噪音h(x,y)i为互不相关，且均值为0时，上述图象均值将降低噪音的影响。相加（p0207）M=1M=2M=4M=16Addition:averagingfornoisereduction可以得到各种图像合成的效果，也可以用于两张图片的衔接生成图象叠加效果(p0206，线性减淡)01C(x,y)=A(x,y)-B(x,y)02主要应用消除背景影响差影法(检测同一场景两幅图像之间的变化)（2）减法运算设：背景图像b(x,y)，前景背景混合图像f(x,y) g(x,y)=f(x,y)–b(x,y)g(x,y)为去除了背景图像即去除不需要的叠加性图案消除背景影响指把同一景物在不同时间拍摄的图像或同一景物在不同波段的图像相减;01差值图像提供了图像间的差异信息，能用于指导动态监测、运动目标检测和跟踪、图像背景消除及目标识别等。02差影法差影法在自动现场监测中的应用在银行金库内，摄像头每隔一固定时间拍摄一幅图像，并与上一幅图像做差影，如果图像差别超过了