03_数字图像处理基本运算_Prt
《数字图像处理教学课件》第3章图像的基本运算(2)

实例
源图像
(b)双线性插值方法的结果
实例
用最近邻插值和双线性插值的方法分别将老虎放大 1.5倍。
实例
采用最近邻插值放大1.5倍 采用双线性插值放大1.5倍
比例变换中对应图像的确定
比例变换中对应图像的确定
假设输出图像的宽度为W,高度为H; 输入图像的宽度为w高度为h,要将输入图像的尺度拉伸或压
枕形失真
由镜头引起的画面向中间“收缩”的现象。
6.图像变形
图像变形(Image Warping) 图像变形合成(Image morphing )
参数化(全局)变形(warping)
参数化变形实例
Translation 平移
Rotation 旋转
Aspect 缩放
Affine 仿射变换
Perspective 透视变换
x' a b c x y' d e f y 1 0 0 1 1
x' ax by c
y'
dx
ey
f
将三对对应点的坐标代入上面公式,
可以求得变换的
对于内的任意一个像素点,再计算其新的坐标,然后 颜色映像
三角变形实例
四边形区域的变换方法
图像变形的几何校正
用控制点及插值过程定义,通常具有较为复杂的数学 变换函数
投影变换
投影变换是下列变换的组合
仿射变换 投影变形
投影变换的性质:
原点无需变换至原点 线变换为线 比例不保持 平行线无需保持平行
x' a b c x y' d e f y w' g h i w
举例:三角变形
B
源图像
?
B’ 目标图像
T(x,y)
《数字图像处理基础》PPT课件

14
精选ppt
根据阈值将图像二值化,将物体和背景置为黑白两色。 对图像扫描一遍,灰度大于阈值的点置为 255,即白色; 小于等于阈值的点置为0,即为黑色。由于物体上有高 光,所以二值化后,在黑色物体上会有小白点,如图所 示。为了使形心计算的结果准确,我们必须将这些小白 点填充为黑色。
15
精选ppt
2021年1月13日
9
精选ppt
图像处理系统一般使用256级灰度图像,即 8 位黑白图像,其1个
像素由 1个字节描述。0表示黑色,255为白色;其它中间灰度见图
2。一个立方形物体的照片如图1所示。通过图像采集卡后,其像
素矩阵如表1所示。
10
精选ppt
需要强调的是:
在计算机中,图像被分割成像素(Pixel),各像素的灰 度值用整数表示。一幅M×N个像素的数字图像,其像 素灰度值可以用M行、N列的矩阵G表示:
图像理解:
研究图像中各目标的性质和其相互关系,理解图像的含义。 自动驾驶、医学图像和地貌图像的自动判读理解等。
4
精选ppt
图像处理、图像分析和图像理解的关系:
5
精选ppt
数字图像处理系统
数字图像处理系统硬件
早期的数字图像处理系统为了提高处理速度、增加容量都 采用大型机。随着计算机性价比(性能价格比)日新月异的提 高,以小型机为主的微型图像处理系统得到发展。主机为PC机, 配以图像采集卡及显示设备就构成了最基本的微型图像处理系 统。微型图像处理系统成本低、应用灵活、便于推广。特别是 微型计算机的性能逐年提高,使得微型图像处理系统的性能也 不断升级,加之软件配置丰富,使其更具实用意义。
通过比较T和Sij的相似性,完成模板匹配过程。
26
数字图像处理图像基本运算

3.3代数运算与逻辑运算 (Algebra and Logical Operation)
1.概念
代数运算是指两幅或多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:
3.1 图像基本运算的概述(Introduction)
图像基本运算的分类
按图像处理运算的数学特征, 图像基本运算可分为:
图像基本运算
点运算(Point Operation) 代数运算(Algebra Operation) 逻辑运算(Logical Operation) 几何运算(Geometric Operation)
C(x, y) A(x, y) B(x, y)
代数运算的四种基本形式
C(x, y) A(x, y) B(x, y) C(x, y) A(x, y) B(x, y) C(x, y) A(x, y) B(x, y)
逻辑运算
3.3代数运算与逻辑运算 (Algebra and Logical Operation)
线性点运算的应用 s ar b
1)如果a>1,输出图像的对比度增大(灰度扩展)
s
255
变换前
r 0 48 178 255
3.4 对比度增大
变换后
3.2.1线性点运算(Linear Point Operation)
2) 如果0<a<1,输出图像的对比度减小(灰度压缩)
第三章 图像处理基本运算课件PPT

3、inshow(unit8(I));%转成uint8型
2021/3/10
25
线性点运算对直方图的影响
下面通过一个示例来说明线性点运算对直方图的影响。
例.cameraman图像f (x)=1.25x + 45的直方图变 化情况
2021/3/10
4
4、图像的读取、数据调用和显示
1.图像的读取 函数imread()用来读取图像,把图像数据读出
以后,可以赋给一个变量。
2.图像数据的调用 既然图像数据是存储在数组中,那么调用图像
数据就变成了操作数组元素。
3.图像的显示 函数imshow()用来显示图像。
2021/3/10
5
教学安排
2021/3/10
36
非线性拉伸实例 对比度拉伸
拉伸效果:图像加亮、减暗
2021/3/10
37
2021/3/10
38
2021/3/10
39
2021/3/10
40
3.2.2非线性点运算(Non-Linear Point Operation) 思考问题:
1、点运算是否会改变图像内像素点之间的空间位置关系?
255
0
2021/3/10
255
19
⑤ 如果a为负值,暗区域将变亮,亮区域将变暗
255
0
2021/3/10
255
20
2021/3/10
21
45º
2021/3/10
黑线:0a1 , b0 输出对比度降低
3-数字图像处理基础教学课件

3、GIF图像文件格式已经成为网络图像传输的通用 格式,速度要比传输其他图像文件格式快得多,所 以经常用于动画、透明图像等。
4、只能处理256种色彩,故不能存储真彩色的图像 文件。
数字图像的格式 • TIFF格式
8邻域
数字图像的性质 • 图像的连通域
1、图像的连通域通常体现在二值图像,这种图像只 有黑白两个灰度级。
2、彼此连通的像素点形成了一个区域,所有的点彼 此连通点构成的集合,称为一个连通区域。图像的 连通域是对图像进行一系列图像算法处理的结果。
数字图像的性质 • 像素之间的距离
1、图像中的距离常用来衡量两幅图像的相似度。
数字图像的性质 • 像素之间的距离
(3)契比雪夫距离
假设从一个像素点到其8邻域中的任意一个点的距离 为1,契比雪夫距离即为按照这种方式计算的从一个 像素点到另一个像素点的最短距离。
D(P 1,P 2) max( x1 x2 , y1 y 2 )
P2
契比雪夫距离为4
P1
数字图像的性质 • 图像直方图
数字图像的性质 • 图像的通道
1、图像的通道数是指图像中一个像素采用多少个数 字进行表示。
例:灰度图每个像素只采用一个数字来表示,因此, 灰度图的的通道数是1,称为单通道图像;
RGB图像中每个像素采用三个数字进行表示,所以 RGB图像是三通道图像。
数字图像的性质 • 图像的分辨率
图像的分辨率有几种表示方式。
图像的表示
数字图像经过采样和量化得到。在采样和量化过程 中,采样间隔的大小,量化的等级决定了数字图像 所保留的信息数量。采样和量化的过程也是得到离 散的数字图像的过程。
数字图像处理-图像基本运算

数字图像处理_图像基本运算图像基本运算1点运算线性点运算是指输⼊图像的灰度级与输出图像呈线性关系。
s=ar+b(r为输⼊灰度值,s为相应点的输出灰度值)。
当a=1,b=0时,新图像与原图像相同;当a=1,b≠0时,新图像是原图像所有像素的灰度值上移或下移,是整个图像在显⽰时更亮或更暗;当a>1时,新图像对⽐度增加;当a<1时,新图像对⽐度降低;当a<0时,暗区域将变亮,亮区域将变暗,点运算完成了图像求补; ⾮线性点运算是指输⼊与输出为⾮线性关系,常见的⾮线性灰度变换为对数变换和幂次变换,对数变换⼀般形式为:s=clog(1+r)其中c为⼀常数,并假设r≥0.此变换使窄带低灰度输⼊图像映射为宽带输出值,相对的是输出灰度的⾼调整。
1 x=imread('D:/picture/DiaoChan.jpg');2 subplot(2,2,1)3 imshow(x);4 title('原图');5 J=0.3*x+50/255;6 subplot(2,2,2);7 imshow(J);8 title('线性点变换');9 subplot(2,2,3);10 x1=im2double(x);11 H=2*log(1+x1);12 imshow(H)13 title('⾮线性点运算');%对数运算幂次变换⼀般形式:s=cr^γ幂级数γ部分值把窄带暗值映射到宽带输出值下⾯是⾮线性点运算的幂运算1 I=imread('D:/picture/DiaoChan.jpg');2 subplot(2,2,1);3 imshow(I);title('原始图像','fontsize',9);4 subplot(2,2,2);5 imshow(imadjust(I,[],[],0.5));title('Gamma=0.5');7 imshow(imadjust(I,[],[],1));title('Gamma=1');8 subplot(2,2,4);9 imshow(imadjust(I,[],[],1.5));title('Gamma=1.5');2代数运算和逻辑运算加法运算去噪处理1 clear all2 i=imread('lenagray.jpg');3 imshow(i)4 j=imnoise(i,'gaussian',0,0.05);5 [m,n]=size(i);6 k=zeros(m,n);7for l=1:1008 j=imnoise(i,'gaussian',0,0.05);9 j1=im2double(j);10 k=k+j1;11 End12 k=k/100;13 subplot(1,3,1),imshow(i),title('原始图像')14 subplot(1,3,2),imshow(j),title('加噪图像')15 subplot(1,3,3),imshow(k),title(‘求平均后的减法运算提取噪声1 I=imread(‘lena.jpg’);2 J=imnoise (I,‘lena.jpg’,0,0.02);3 K=imsubtract(J,I);4 K1=255-K;5 figure;imshow(I);7 figure;imshow(K1);乘法运算改变图像灰度级1 I=imread('D:/picture/SunShangXiang.jpg')2 I=im2double(I);3 J=immultiply(I,1.2);4 K=immultiply(I,2);5 subplot(1,3,1),imshow(I);subplot(1,3,2),imshow(J);6 subplot(1,3,3);imshow(K);逻辑运算1 A=zeros(128);2 A(40:67,60:100)=1;3 figure(1)4 imshow(A);5 B=zeros(128);6 B(50:80,40:70)=1;7 figure(2)8 imshow(2);9 C=and(A,B);%与10 figure(3);11 imshow(3);12 D=or(A,B);%或13 figure(4);14 imshow(4);15 E=not(A);%⾮16 figure(5);17 imshow(E);3⼏何运算平移运算实现图像的平移1 I=imread('lenagray.jpg');2 subplot(1,2,1);3 imshow(I);4 [M,N]=size(I);g=zeros(M,N);5 a=20;b=20;6for i=1:M7for j=1:N8if((i-a>0)&(i-a<M)&(j-b>0)&(j-b<N)) 9 g(i,j)=I(i-a,j-b);10else11 g(i,j)=0;12 end13 end14 end15 subplot(1,2,2);imshow(uint8(g));⽔平镜像变换1 I=imread('lena.jpg');2 subplot(121);imshow(I);3 [M,N]=size(I);g=zeros(M,N);4for i=1:M5for j=1:N6 g(i,j)=I(i,N-j+1);7 end8 end9 subplot(122);imshow(uint8(g));垂直镜像变换1 I=imread('lena.jpg');2 subplot(121);imshow(I);3 [M,N]=size(I);g=zeros(M,N);4for i=1:M5for j=1:N6 g(i,j)=I(M-i+1,j);7 end8 end9 subplot(122);imshow(uint8(g));图像的旋转1 x=imread('D:/picture/DiaoChan.jpg');2 imshow(x);3 j=imrotate(x,45,'bilinear');4 k=imrotate(x,45,'bilinear','crop');5 subplot(1,3,1),imshow(x);6 title(‘原图')7 subplot(1,3,2),imshow(j);8 title(‘旋转图(显⽰全部)')9 subplot(1,3,3),imshow(k);10 title(‘旋转图(截取局部)')⼏种插值法⽐较1 i=imread('lena.jpg');2 j1=imresize(i,10,'nearest');3 j2=imresize(i,10,'bilinear');4 j3=imresize(i,10,'bicubic');5 subplot(1,4,1),imshow(i);title(‘原始图像')6 subplot(1,4,2),imshow(j1);title(‘最近邻法')7 subplot(1,4,3),imshow(j2);title(‘双线性插值法')8 subplot(1,4,4),imshow(j3);title(‘三次内插法')放缩变换1 x=imread('D:/picture/ZiXia.jpg')2 subplot(2,3,1)3 imshow(x);4 title('原图');5 Large=imresize(x,1.5);6 subplot(2,3,2)7 imshow(Large);8 title('扩⼤为1.5');9 Small=imresize(x,0.1);10 subplot(2,3,3)11 imshow(Small);12 title('缩⼩为0.3');13 subplot(2,3,4)14 df=imresize(x,[600700],'nearest');15 imshow(df)16 title('600*700');17 df1=imresize(x,[300400],'nearest');18 subplot(2,3,5)19 imshow(df1)20 title('300*400');后记:(1)MATLAB基础知识回顾1:crtl+R是对选中的区域注释,ctrl+T是取消注释2:有的代码中点运算如O=a.*I+b/255 ,其中b除以255原因是:灰度数据有两种表式⽅法:⼀种是⽤unit8类型,取值0~255;另⼀种是double类型,取值0~1。
第四章-数字图像处理中的基本运算

非线性拉伸实例3
第4章 图像处理中的基本运算
第4章 图像处理中的基本运算
非线性拉伸实例4
第4章 图像处理中的基本运算 非线性拉伸实例5
第4章 图像处理中的基本运算
非线性拉伸实例6
第4章 图像处理中的基本运算
非线性拉伸实例7
第4章 图像处理中的基本运算
4.2.2 点运算与直方图
点运算是一种确定的函数关系下所进行的像素变换 运算,因此,点运算之后输出图像和输入图像之间 的直方图也具有与变换函数相关联的对应关系。 从图4-3中可以找到它们之间的关系,即灰度级小区 间内输入像素的个数,等于输出像素的个数,而且 输入、输出图像的阴影部分面积可以用小矩形的面 积近似替代(替代积分式)。 HB(DB)ΔDB=HA(DA)ΔDA 最后输出的直方图的值为(详细推导见P73-74)
H A (DA ) H B ( DB ) df ( D A ) dDA
第4章 图像处理中的基本运算
4.2.3. 点运算的应用
(1) 对比度增强 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。
第4章 图像处理中的基本运算
4.3 代数运算
1、概念 2、运算类型及应用
第4章 图像处理中的基本运算
1. 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) (2) (3) (4) C(x,y) C(x,y) C(x,y) C(x,y) = = = = A(x,y)+ B(x,y) A(x,y)- B(x,y) A(x,y)×B(x,y) A(x,y)/B(x,y)
第3章 数字图像处理基本运算

3.1.1 图像处理的基本功能
2 基本运算分类
点运算: 图像的点处理运算(Point Operation)将输入图像映
射为输出图像,输出图像每个像素点的灰度值仅 由对应输入像素点的值决定。它常用于改变图像 的灰度范围及分布,是图像数字化及图像显示的 重要工具。点处理运算因其作用性质有时也被称 为对比度增强、对比度拉伸或灰度变换等。设输 入图像各点的像素值为A(x, y),输出图像各点的 像素值为B(x, y),则点处理运算可表示为:
放大后Βιβλιοθήκη (x , y) (x0 , y0 ) O x
缩放前 y
p 0 ( x0 , y 0 ) p ( x , y )
则
x fx 0 0 x0 y 0 fy 0 y0 0 0 0 1 1
1)最简单的比例缩小:当 fx=fy=1/2时,图像被缩到原
2)加法运算可以降低加性随机噪声 通过对多幅图像求平均实现 3) 实现遥感图像的比值处理 a) 扩大不同地物的光谱 b) 消除阴影的影响 4) 乘法运算,可以用来遮掉图像的一部分。 如将一幅图像与二值图像相乘、掩模操作
加法运算: 去除“叠加性”噪音 生成图象叠加效果
对于两个图象f(x,y)和h(x,y)的均值有: g(x,y) = 1/2f(x,y) + 1/2h(x,y) 会得到二次暴光的效果。推广这个公式为: g(x,y) = αf(x,y) + βh(x,y) 其中α+β= 1 我们可以得到各种图象合成的效果,也可以 用于两张图片的衔接
的输入像素的灰度值。计算十分简单,在许多情况下,其结果也可令人 接受。然而,当图像中包含像素之间灰度级有变化的细微结构时,最近 邻插值法会在图像中产生人工的痕迹。如图所示为一个用最近邻插位法 放大图像的例子,从中可看出结果图像带有锯齿形的边。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
-
=
第三章 数字图像处理基本运算
14
图像运算—逻辑运算
逻辑运算—求反、异或、或、与
¾求反的定义
g(x,y) = R - f(x,y)
R为f(x, y)的灰度级。
¾主要应用举例
9获得一个图像的负像 9获得一个子图像的补图像
第三章 数字图像处理基本运算16ຫໍສະໝຸດ 4图像运算—逻辑运算
逻辑运算—求反、异或、或、与
¾从原图像坐标计算出目标图像坐标
9镜像、平移变换使用这种计算方法
x
x’
. (x’,y’)
. (x,y)
y
y’
第三章 数字图像处理基本运算
36
9
图像的空域变换—几何变换
向后映射计算法
g(a’(x,y), b’(x,y)) = f(x,y);
¾从结果图像的坐标计算原图像的坐标
9旋转、缩放、变形可以使用
¾ 在图像量化中,有非均匀量化技术。当灰度级低的时候用它比较 有效。但是为什么在灰度级级数高时几乎不用?
作业
¾ 自习“视觉的空间性质”与“视觉的时间特性”,初步了解图像时空 特性在人眼中的作用。
实验
¾ 利用已有程序文件,通过编程练习打开和显示BMP图像 ¾ 利用Photoshop软件或通过编程,对不同的图像,进行直方图显
C(x,y) = A(x,y) × B(x,y)
主要应用举例 ¾ 图像的局部显示
9用二值蒙板图像与原图像做乘法
第三章 数字图像处理基本运算
15
图像运算—代数运算
检测同一场景两幅图像之间的变化
设: 时间1的图像为T1(x,y), 时间2的图像为T2(x,y)
g(x,y) = T2 (x,y) - T1(x,y)
示、彩色变换、伪彩色处理等,巩固本单元所学内容
3
上次课复习
基本概念 ¾ 图像的表示——I=f(x, y)
¾ 图像的质量——灰度、对比度、客观评价指标 ¾ 人类的视觉模型、图像的颜色——三基色假说、
RGB、HSI模型、CIE色度图 ¾ 图像的描述——二值图像、灰度图像、彩色图
像、图像文件格式 ¾ 图像的直方图——定义、基本性质
d y = −1 dx =1
第三章 数字图像处理基本运算
32
8
图像的空域变换—几何变换
基本几何变换的特征
¾坐标空间的变化
9范围发生变化 9大小发生变化
¾像素值的变化
9像素值不发生变化——位置改变 9像素值发生变化——旋转、缩放、变形变换
第三章 数字图像处理基本运算
33
图像的空域变换—几何变换
离散几何变换的计算问题
⎡cos(θ)
⎢ ⎢
y'⎥⎥
= ⎢⎢b(x,y)⎥⎥
=
⎢ ⎢
sin(θ
)
⎢⎣ 1 ⎥⎦new ⎢⎣ 1 ⎥⎦new ⎢⎣ 0
− sin(θ) cos(θ )
0
0⎤⎡ x⎤ 0⎥⎥⎢⎢ y⎥⎥ 1⎥⎦⎢⎣1⎥⎦old
第三章 数字图像处理基本运算
25
图像的空域变换—几何变换
旋转变换的注意点
1)图像旋转之前,为 了避免信息的丢失, 一定有平移坐标, 具体的做法有如图
⎥ ⎥
⎢ ⎢
sin(θ
)
cos(θ )
0
⎥ ⎥
⎢ ⎢
0
1
−
y0
⎥ ⎥
⎢ ⎢
y
⎥ ⎥
⎢⎣ 1 ⎥⎦new ⎢⎣ 0 0 1 ⎥⎦ ⎢⎣ 0
0 1 ⎥⎦ ⎢⎣ 0 0 1 ⎥⎦ ⎢⎣ 1 ⎥⎦tl &r &rtl
第三章 数字图像处理基本运算
经过插值处理之后,图像效果就变得自然。
第三章 数字图像处理基本运算
28
7
图像的空域变换—几何变换
缩放变换: x方向缩放c倍,y方向缩放d倍
a(x,y) = x × c;
b(x,y) = y × d;
⎡ ⎢ ⎢ ⎢⎣
x' y' 1
⎤ ⎥ ⎥ ⎥⎦new
=
⎡a ⎢⎢b ⎢⎣
( (
x, x, 1
y y
第三章 数字图像处理基本运算
12
3
图像运算—代数运算
去除不需要的叠加性图案
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) 为去除了背景的图像。
电视制作的蓝屏技术就基于此
第三章 数字图像处理基本运算
13
图像运算—代数运算
乘法的定义
g(x,y) = (g0(x,y)+g1(x,y)+…+ gM(x,y))/M
当:噪音h(x,y)i为互不相关,且均值为0时, 上述图像均值将降低噪音的影响。
第三章 数字图像处理基本运算
10
图像运算—代数运算
减法的定义 C(x,y) = A(x,y) - B(x,y)
主要应用举例
¾ 去除不需要的叠加性图案 ¾ 检测同一场景两幅图像之间的变化
) )
⎤ ⎥ ⎥ ⎥⎦new
=
⎡ ⎢ ⎢ ⎢ ⎢⎣
1 c 0
0
0
1 d 0
0 0 1
⎤ ⎥ ⎥ ⎥ ⎥⎦
⎡ ⎢ ⎢ ⎢⎣
x y 1
⎤ ⎥ ⎥ ⎥⎦old
c, d 相等,按比例缩放
c, d 不相等,不按比例缩放—几何畸变
第三章 数字图像处理基本运算
29
图像的空域变换—几何变换
¾例:图像的错切变换
图像的错切变换实际上是景物在平面上的非 垂直投影效果。
y
⎡ x' ⎤
⎡a ( x, y ) ⎤
⎡ 1 0 x0 ⎤⎡ x ⎤
⎢ ⎢
y'
⎥ ⎥
=
⎢⎢b (
x,
y
)
⎥ ⎥
=
⎢ ⎢
0
1
y0
⎥⎢ ⎥⎢
y
⎥ ⎥
⎢⎣ 1 ⎥⎦new ⎢⎣ 1 ⎥⎦new ⎢⎣ 0 0 1 ⎥⎦⎢⎣ 1 ⎥⎦old
0,0
第三章 数字图像处理基本运算
x
22
图像的空域变换—几何变换
垂直镜像
图像运算—点运算
线性点运算
Iout ( x, y ) = a ∗ Iin ( x, y )+ b
¾ a=1,b=0: ¾ a<0: ¾ |a|>1: ¾ |a|<1: ¾ b>0: ¾ b<0:
恒等 黑白反转 增加对比度 减小对比度 增加亮度 减小亮度
第三章 数字图像处理基本运算
5
图像运算—点运算
y
a(x,y) = x;
b(x,y) = -y
0,0
第三章 数字图像处理基本运算
x
24
6
图像的空域变换—几何变换
旋转变换:绕原点旋转α度 设: a(x,y) = x * cos(α) - y * sin(α)
b(x,y) = x * sin(α) + y * cos(α)
⎡ x'⎤
⎡a( x, y )⎤
¾异或运算的定义 g(x,y) = f(x,y) ⊕ h(x,y) ¾主要应用举例
9获得相交子图像
第三章 数字图像处理基本运算
17
图像的空域变换
几何变换
¾ 基本变换 ¾ 灰度插值
非几何变换
¾ 模板运算 ¾ 灰度变换 ¾ 直方图变换
第三章 数字图像处理基本运算
19
图像运算—逻辑运算
逻辑运算—求反、异或、或、与
数字图像几何变换的计算
第三章 数字图像处理基本运算
20
5
图像的空域变换—几何变换
基本几何变换的定义
对于原图像f(x,y),坐标变换函数 x’ = a(x,y); y’ = b(x,y)
唯一确定了几何变换:
g(x’,y’) = f(a(x,y), b(x,y)) g(x,y)是目标图像
第三章 数字图像处理基本运算
所示的两种方法。
第三章 数字图像处理基本运算
27
图像的空域变换—几何变换
旋转变换:绕原点旋转α度
y
α
0,0
第三章 数字图像处理基本运算
x
26
图像的空域变换—几何变换
旋转变换的注意点
图像的旋转注意点:
2)图像旋转之后,会出现许多的空洞点,对 这些空洞点必须进行填充处理,否则画 面效果不好。称这种操作为插值处理。
与运算的定义
¾ g(x,y) = f(x,y) ∧ h(x,y)
主要应用举例
¾ 求两个子图像的相交子图
∧
=
第三章 数字图像处理基本运算
18
图像的空域变换—几何变换
基本几何变换的定义 常用的基本几何变换
¾ 平移变换 ¾ 旋转变换 ¾ 镜像变换:水平镜像、垂直镜像 ¾ 放缩变换 ¾ 拉伸变换
¾ 注意计算的顺序 ¾ 将多级变换合并为一级变换
例:围绕任意坐标点的旋转(x0, y0)
(1) 将(x0, y0)点平移至坐标原点(0, 0) (2) 旋转 (3) 平移回(x0, y0)点
第三章 数字图像处理基本运算
38
图像的空域变换—几何变换
⎡x⎤
(3)
⎢ ⎢
y
⎥ ⎥
⎡ 1 0 − x0 ⎤ ⎡ x ⎤
⎡x⎤
⎡ cos (θ ) − sin (θ ) 0 ⎤ ⎡ x ⎤
(2)
⎢ ⎢
y
⎥ ⎥
=
⎢ ⎢
sin
(
θ
)
cos (θ )