影像几何纠正的原理与方法
遥感影像几何校正的方法与步骤
遥感影像几何校正的方法与步骤遥感技术在现代科学和环境研究中扮演着重要的角色，它通过无人机、卫星等平台收集大量的遥感影像数据，这些数据可用于地表地貌的研究、城市规划、环境监测等多个领域。
然而，由于传感器的误差、地球表面的形变等因素的影响，遥感影像在采集过程中往往会发生几何畸变。
因此，几何校正成为了处理遥感影像的必要步骤之一。
一、几何校正的目的遥感影像的几何校正是指将采集的影像数据与真实地理坐标系统中的位置相对应，使影像能够准确地反映地球表面的特征。
几何校正的目的是消除影像中的几何变形，使其能够与其他地理数据进行叠加分析，从而得到更准确的结果。
二、几何校正的方法1. 传统校正方法传统的几何校正方法主要基于地面控制点（GCPs）的选择和提取。
首先，根据采集的影像和地理坐标系统中的地理特征，选择一组地面控制点。
然后，在影像中手动或自动提取这些地面控制点的位置，同时记录其在真实地理坐标系统中的位置。
最后，通过计算和调整，将影像中的像元位置校正到真实地理坐标系中。
2. 数字校正方法随着计算机和数字图像处理技术的发展，数字校正方法逐渐取代了传统的校正方法。
数字校正方法主要基于数学模型和算法来完成几何校正的过程。
常用的数字校正方法包括多项式模型、参数拟合模型和同步解调模型等。
这些模型可以将影像中的像素位置与地理坐标系中的位置互相转换，从而实现几何校正。
三、几何校正的步骤几何校正的具体步骤可以归纳为以下几个步骤：1. GCPs的选择和提取在进行几何校正之前，首先需要选择一组地面控制点。
这些地面控制点应该具有明显的地理特征，如建筑物的角点、道路的交汇处等。
然后，在影像中提取这些地面控制点的位置，并记录其真实地理坐标。
2. 模型的选择和拟合根据影像中地面控制点的位置和真实地理坐标，选择合适的数学模型和算法。
根据所选择的模型，在计算机中进行参数拟合，并得到校正过程所需要的参数。
3. 影像几何校正通过上面的步骤，我们已经获得了数学模型和参数。
遥感影像的几何校正方法与技巧
遥感影像的几何校正方法与技巧遥感影像是通过遥感技术获取到的地球表面的图像信息。
在遥感应用中，几何校正是一项非常重要的工作，它可以提高遥感影像的地理准确度和精度。
几何校正是指将影像与地理坐标系统进行一致性匹配，消除由于卫星平台姿态、扫描仪器误差等因素引起的像素位置偏差，使得影像能够准确地反映地球表面的真实位置。
一、几何校正的方法1. 基于控制点的校正方法这是最常用的几何校正方法，它通过选取一些地面上具有已知地理位置的标志物作为控制点，然后通过对其在影像上的位置进行测量，计算出转换参数，从而实现影像校正。
常见的控制点包括标志物、道路、河流等。
2. 基于全局栅格校正方法全局栅格校正方法是一种较为简单但精度相对较低的方法，它通过对整个影像进行平移、旋转和缩放等操作，以使校正后的影像与地理坐标系统的一致性较好。
3. 基于形变模型的校正方法除了平移、旋转和缩放等刚性变换外，影像在校正过程中往往还需要进行非刚性的形变操作，以适应地貌复杂、存在高程变化的地区。
基于形变模型的校正方法可以通过建立影像的形变模型，对不同区域进行适应性校正，从而提高几何校正的精度。
二、几何校正技巧1. 标志物选取的注意事项在进行几何校正时，选择合适的标志物对于提高校正精度至关重要。
应选择具有明显几何形状、易于在影像上检测和测量的标志物，例如明显的道路交叉口、建筑物的棱角等。
此外，这些标志物应分布在整个影像区域内，避免出现局部区域校正误差过大的情况。
2. 利用地形高程信息进行校正地形高程信息对于影像的几何校正具有重要作用。
在进行几何校正时，如果有数字高程模型（DEM）数据可用，可以将地形高程信息与影像的几何信息相结合，从而进一步提高几何校正的精度。
3. 考虑大气影响大气对于遥感影像的几何校正同样具有一定的影响。
在进行几何校正前，应先进行大气校正，消除大气造成的影响，提高校正精度。
4. 多尺度校正在进行几何校正时，可以考虑多尺度校正，即根据不同的应用需求，对不同尺度的影像进行校正处理。
放射科医学图像的几何校正与影像畸变的矫正
放射科医学图像的几何校正与影像畸变的矫正放射科医学图像在诊断和治疗过程中起着至关重要的作用。
为了确保图像的准确性和可靠性，需要进行几何校正和影像畸变的矫正。
本文将介绍放射科医学图像的几何校正和影像畸变的矫正方法，以提高医学图像的质量和准确性。
一、放射科医学图像的几何校正放射科医学图像的几何校正是指通过数学方法，对图像进行几何变换，以纠正由于成像设备或体位不准确导致的图像形变和尺寸失真。
几何校正可以分为图像旋转、平移、缩放和扭曲等几个方面。
1. 图像旋转图像旋转一般是通过调整图像中某一角度的旋转来实现。
旋转角度的选择取决于成像设备的角度偏差和体位错位的程度。
常用的旋转方法包括仿射变换、旋转矩阵和旋转向量等。
通过旋转操作，可以将图像中的主要结构和解剖部位调整到正确的位置，提高医学图像的可读性和解释性。
2. 平移校正平移校正是指通过图像的平移操作，将图像中的解剖部位从一个位置移动到另一个位置，以纠正由于体位错误或成像设备位置不准确导致的图像偏差。
平移校正一般使用平移矩阵或平移向量进行计算，并通过调整图像中的像素值实现。
平移校正可以保持图像的比例关系和尺寸不变，仅调整图像位置，提高图像的空间定位准确度。
3. 缩放校正在放射科医学图像中，由于成像设备的参数误差或成像距离的变化，图像的尺寸可能发生缩放。
为了纠正图像中的尺寸失真，可以使用缩放校正方法进行处理。
缩放校正一般通过调整图像中的像素间距和像元大小来实现。
常用的缩放校正方法包括线性插值、双线性插值和双三次插值等。
通过缩放校正，可以恢复图像的准确比例和尺寸。
4. 扭曲校正扭曲校正是指纠正图像中的形变和畸变，使其更符合真实的解剖形态。
扭曲校正的方法较为复杂，一般利用非刚性变换模型进行计算。
在扭曲校正中，常用的方法包括B样条插值、流体变形模型和非线性拟合等。
通过扭曲校正，可以消除图像中的非线性形变和畸变，提高医学图像的形态学准确性。
二、影像畸变的矫正影像畸变是指由于成像设备本身的特性或成像过程中的干扰因素导致的图像形态和结构失真。
遥感影像纠正的方法与技巧
遥感影像纠正的方法与技巧随着科技的不断发展，遥感技术在各个领域得到了广泛的应用。
遥感影像是通过卫星、飞机等远距离获取地面信息的一种重要手段。
然而，在获取遥感影像后，由于各种原因导致的图像扭曲、色差等问题是不可避免的。
因此，进行遥感影像纠正是必要的。
本文将介绍遥感影像纠正的常用方法与技巧。
一、几何校正方法几何校正是对遥感影像进行坐标、尺度和旋转方位的校正。
常见的几何校正方法有影像配准、地标匹配、插值等。
1. 影像配准影像配准是将待纠正影像与参考影像进行对比，通过匹配相同地物或地点的像素点，从而进行坐标转换。
常用的影像配准方法有基于特征点匹配和基于相位相关匹配两种。
基于特征点匹配的方法是通过提取影像中的特征点，并将其与参考影像中的特征点进行匹配，从而获得坐标转换模型。
OpenCV是一种常用的用于特征点匹配的开源库。
基于相位相关匹配的方法是通过计算两幅影像之间的相关性，确定它们之间的几何转换关系。
这种方法通常用于具有相位重建能力的传感器。
2. 地标匹配地标匹配是通过识别影像中的已知地标（如道路交叉口、建筑物等）并与参考影像中的地标进行匹配来进行校正的一种方法。
这种方法适用于城市建筑等具有明显特征的区域。
3. 插值插值是指通过对图像中间的像素值进行估算，从而使整个图像变得平滑过渡的过程。
常用的插值方法有双线性插值、双三次插值等。
这些方法可以使得图像在进行几何校正后仍保持较好的视觉效果。
二、辐射校正方法辐射校正是指对遥感影像中的亮度进行校正，以保证影像反映地物的真实辐射亮度。
常用的辐射校正方法有直方图匹配、大气校正、辐射转换等。
1. 直方图匹配直方图匹配是指通过将原始图像的灰度值映射到目标图像的灰度值范围来进行校正的方法。
这可以使得影像在亮度上看起来更加准确，同时保证地物的色彩还原度。
2. 大气校正大气校正是指通过估计大气光照对地面目标反射率的影响，将地表反射率从观测影像中恢复出来的一种方法。
这种方法适用于去除由大气散射引起的云、雾等干扰。
影像几何纠正的原理和方法
3次 更好的图像质量， 计算量很大。 卷积 细节表现更为清楚。 内插
欲以三次卷积内插获得 好的图像效果，就要求 位置校正过程更准确， 即对控制点选取的均匀 性要求更高。
资料仅供参考,不当之处，请联系改正。
直接法单片纠正步骤
(1) 迭代求解地面点三维坐标
① 求解物方三维坐标初值。地面高程初值赋 为测区高程平均值
x Gx (r,c, z)
y
Gy
(r,
c,
z)
② 迭代求解物方三维坐标
资料仅供参考,不当之处，请联系改正。
(2) 计算像点坐标
设正射影像左上角点的平面坐标为 (xmax, ymin) ，
地面采样距离为 M ，则利用
r' c'
(xmax x)/ (y ymin)/
M M
可求得任意地面点在正射影像上对应的像点坐标。
资料仅供参考,不当之处，请联系改正。
影像纠正主要处理过程
资料仅供参考,不当之处，请联系改正。
2 几何纠正的方案
资料仅供参考,不当之处，请联系改正。
直接纠正方案
直接纠正方案从原始图像阵列出发，按行列的顺序依
次对每个原始像素点位求其在地面坐标系(也就是输 出图像坐标系)中的正确位置，
X
Y
FX (x, y, Z ) FY (x, y, Z )
资料仅供参考,不当之处，请联系改正。
辛克函数
最近邻法
资料仅供参考,不当之处，请联系改正。
图像中两相邻点的距离为1，
取与所计算点(x,y)周围相邻 的4个点，比较它们与被计 算点的距离，哪个点距离最 近，就取哪个的亮度值作为 （ x,y ） 点 的 亮 度 值 f （ x ， y）。设该最近邻点的坐标 为（k,l）,则
影像几何纠正的原理与方法
影像几何纠正的原理与方法影像几何纠正是一种处理数字图像的方法，它旨在消除由于摄像机或摄影机位姿不正确或相机系统误差引起的图像畸变。
影像几何纠正的目标是获得准确的几何尺寸和形状的图像，从而能够进行精确的测量和分析。
以下是影像几何纠正的原理和方法的介绍。
一、影像畸变原理畸变是由于相机光学系统中的各种因素引起的，例如透镜形状、透镜组件组装不正确、镜头中心点的不对称等。
它会导致图像中的线条弯曲和形状变形现象。
影像畸变可以分为径向畸变和切向畸变两种类型。
径向畸变是由相机透镜的形状引起的，主要表现为图像中心与边缘的特征点与几何理想位置之间的距离不一致，以及边缘特征点的扩散变形。
径向畸变可以通过数学模型进行建模和校正，最常用的模型是径向对称畸变（radial symmetric distortion）和径向非对称畸变（radial asymmetric distortion）。
切向畸变是由于相机透镜组件的组装误差而引起的，主要表现为图像中特征点的扭曲和形状变形。
切向畸变可以通过数学模型进行建模和校正，最常用的模型是切向对称畸变（tangential symmetric distortion）和切向非对称畸变（tangential asymmetric distortion）。
二、影像畸变校正方法1.标定法：这是一种将相机的畸变参数与几何透视进行校正的方法。
标定法需要在摄像过程中采集一系列已知几何形状的校准物体的图像，并利用这些已知物体的几何特征进行优化求解，从而获取相机的畸变参数，并据此对所有图像进行校正。
2.特征点检测法：这种方法是通过检测图像中的特征点，并将其与理想的几何位置进行比较，从而估计并校正畸变。
特征点可以是直线的端点、圆的周长上的点等。
该方法通过对图像中的特征点进行配准和校正，可以获得较高精度的几何校正结果。
3.基于几何模型的校正法：这种方法通常利用已知的相机几何模型对图像进行纠正，例如针孔相机模型或透镜模型。
提高遥感影像几何纠正的精度的方法
提高遥感影像几何纠正的精度的方法1. 高精度地面控制点：在遥感影像几何纠正过程中，使用高精度测量的地面控制点是提高几何纠正精度的关键。
这些控制点应该具有稳定的地理位置，并采用精确的测量方法进行定位。
2. 精确的数字地面模型（DEM）：准确的DEM可以提供地表高程的精确信息，从而帮助更准确地纠正遥感影像的几何畸变。
采用高解析度的DEM和精确的高程测量技术可以获得更准确的DEM。
3. 高精度的相机定位：准确的相机定位参数可以帮助准确地计算遥感影像的几何畸变。
使用精确的GPS定位和惯性导航系统（INS）可以提供准确的相机定位参数。
4. 影像配准：配准是将不同时间或不同传感器采集的遥感影像对齐的过程。
准确配准遥感影像可以减小几何纠正的误差。
5. 消除地层效应：地层效应是由地表材料反射特性的空间变化引起的影像几何畸变。
通过对地层效应进行建模和校正，可以提高遥感影像几何纠正的精度。
6. 改进的坐标转换算法：在进行遥感影像几何纠正时，通常需要将图像坐标转换为地理坐标。
改进的坐标转换算法可以提高几何纠正的精度。
7. 光线校正：光线校正可以消除由光照条件和大气影响引起的影像几何畸变。
通过校正光线条件，可以提高遥感影像几何纠正的精度。
8. 影像去噪：影像中的噪声会影响遥感影像的几何纠正精度。
通过去除噪声，可以提高几何纠正的精度。
9. 优化数据采集：在进行遥感影像数据采集时，应选择适当的传感器和采样参数，以获取具有高空间分辨率和高光谱分辨率的影像数据，从而提高几何纠正的精度。
10. 基于模型的几何纠正：使用几何模型来纠正遥感影像的几何畸变可以提高纠正精度。
常见的几何模型包括多项式模型、仿射模型和透视模型等。
11. 使用多源数据：利用多源数据，如航空影像、卫星影像、地面测量数据等，可以提高几何纠正的精度。
多源数据可以提供更多的几何参考信息，从而减小几何畸变。
12. 定义适当的控制点布局：在选择地面控制点时，应将它们布置在整个影像中以确保均匀覆盖。
如何进行卫星遥感影像的几何校正与精度评定
如何进行卫星遥感影像的几何校正与精度评定卫星遥感影像的几何校正与精度评定是遥感技术中非常重要的一项工作，它能够提高遥感影像的准确性和可信度。
本文将介绍卫星遥感影像几何校正和精度评定的基本原理和方法。
一、卫星遥感影像的几何校正卫星遥感影像的几何校正是指将原始影像转换为具有精确几何关系的图像的过程。
这是因为卫星遥感影像在获取过程中，由于各项误差的存在，常常呈现出几何畸变的情况。
几何校正的目的是消除这些误差，使得影像能够准确地反映地面实际情况。
几何校正的方法一般可以分为两种：地面控制点法和模型法。
地面控制点法是通过选择并测量地面上的控制点，并与影像中的对应点进行匹配，计算出转换参数，然后进行校正。
模型法是利用数学模型对影像进行几何校正，常用的模型有多项式模型和分层多项式模型。
这些方法都需要借助于地面控制点或其他辅助数据来进行几何校正。
除了几何校正，影像还需要进行辐射校正。
辐射校正是将原始影像转换为可以反映地物辐射特性的高光谱数据。
常见的辐射校正方法有大气校正和地表反射率校正。
大气校正是去除大气吸收和散射对影像造成的影响，地表反射率校正是消除影像中的地物纹理和细节。
二、卫星遥感影像的精度评定卫星遥感影像的精度评定是判断影像准确性和可靠性的一项工作。
它可以通过对比影像与已知真实数据进行对照，计算出各种误差指标来评价影像的精度。
影像的精度评定主要包括几何精度评定和辐射精度评定两个方面。
几何精度评定主要是通过计算影像的地面分辨率、地面形状和位置精度等指标来评估影像几何特征的精度。
辐射精度评定则是通过计算影像的辐射定标系数、重现性等指标来评估影像的辐射特性的精度。
在进行精度评定时，需要借助于地面控制点、高分辨率遥感影像或其他精确数据，进行对比和验证。
通过计算各个指标，并进行统计分析，可以得出影像的精度评定结果。
三、卫星遥感影像几何校正与精度评定的重要性卫星遥感影像的几何校正和精度评定对于遥感应用具有重要的意义。
- 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)。
三种方法比较
方法
优点
缺点
提醒
最邻 简单易用，计算量 处理后的图像亮
近法 小
度具有不连续性，
影响精确度
双线 性内 插法
精度明显提高，特 别是对亮度不连续 现象或线状特征的 块状化现象有明显 的改善。
计算量增加，且 对图像起到平滑 作用，从而使对 比度明显的分界 线变得模糊。
鉴于该方法的计算量和 精度适中，只要不影响 应用所需的精度，作为 可取的方法而常被采用。
X min X _ Offset
Y _ Scale max
Ymax Y _ Offset
Ymin Y _ Offset
Z _ Scale max Zmax Z _ Offset Zmin Z _ Offset
r _ Offset m / 2
+ stP(i +1, j +1)
该法的计算较为简单，并具有一定的亮度抽样精度 ，它是实践中常用的方法；缺点是破坏了原来的数 据，但具有平均化的滤波效果。
三次卷积内插法
三次卷积内插法使用内插点周围的16个 观测点的像元值，用3次卷积函数对所求像元 值进行内插。缺点是破坏了原来的数据，但 具有图像的均衡化和清晰化的效果，可得到 较高的图像质量。
自检校直接线性变换模型
r
L1 X L9 X
L2Y L3Z L4 L10Y L11Z 1
L12ห้องสมุดไป่ตู้c
c L5 X L6Y L7Z L8
L9 X L10Y L11Z 1
SDLT假定传感器轨道和姿态的变化可以用一 阶方程模拟，考虑了CCD影像外方位元素随时 间变化的特点，并通过增加附加参数的方法实 现了对像点坐标的改正，因而准确度较高。
一：用可预测的影像变形参数构成 二：利用已知控制点按最小二乘法原理求解。 在实践中常用的是第二种方法
2. 坐标标准化
实际使用的局部坐标(如北京54坐标)和像素坐标 的数量级相差过大，如果按照上述过程直接求解模型 系数，将会导致法方程的严重病态，从而影响系数求 解的准确性。
在求解模型系数之前，先对控制点坐标(包括物
方坐标和像素坐标)进行标准化，把坐标值标准化到-
1.0到+1.0之间，然后代入法方程解算对应于标准化
坐标的模型系数。
X _ Offset X n
Y _ Offset Y
n
Z _ Offset Z n
X
_
Scale
max
X max X _ Offset
严 格 几 何 纠 正 近 似 几 何 纠 正
共线方程纠正
x x0 f
a11( X a31( X
X s ) a12 (Y Ys ) a13 (Z Zs ) X s ) a32 (Y Ys ) a33 (Z Zs )
y
y0
f
a21( X a31( X
(4) 灰度赋值
遥感影像几何纠正方法
➢ 严格几何纠正( 共线方程纠正)
➢ 近似几何纠正
多项式纠正(Polynomial Rectification，PR) 仿射变换(Affine Projection Model，APM) 直接线性变换(Direct Linear Transform，DLT) 有理函数模型(Rational Functional Model，RFM)
像元的一般不会按照规则格网排列，必须利用灰度重
采样技术将不规则的离散灰度阵列变换为规则排列的
像元灰度阵列，从而得到正射影像。
间接纠正方案
间接纠正方案从空白的输出图像阵列出发，按照行列
的顺序依次对每个输出像素点位反求其在原始图像坐 标系中的位置，
x Gx (X ,Y , Z )
y
(3) 进行灰度赋值
间接法单片纠正步骤
(1) 计算地面点坐标
设正射影像上一点的像元坐标为 (r', c') ，则可
利用
x y
xmin ymin
M M
r' c'
由正射影像左下角图廓点物方平面坐标 (xmin , ymin )
与地面采样距离求得点物方平面坐标。
y
Gy
(r,
c,
z
)
② 迭代求解物方三维坐标
(2) 计算像点坐标
设正射影像左上角点的平面坐标为 (xmax , ymin ) ，
地面采样距离为 M ，则利用
r' c'
(xmax x) ( y ymin )
/ /
M M
可求得任意地面点在正射影像上对应的像点坐标。
的权函数内插出来的。 理想的重采样函数是辛克( Sinc )函数，其横轴上各点
的幅值代表了相应点对其原点(0)处亮度贡献的权。但 由于辛克函数是定义在无穷域上的，又包括三角函数 的运算，因此，在实际应用中，人们采用了一些近似 的函数来代替它，常用的有双三次卷积、双线性插值 和最近邻域法三种。
辛克函数
y
y0
f
a21 ( X a31 ( X
X s ) a22 (Y X s ) a32 (Y
Ys ) a23 (Z Z s ) Ys ) a33 (Z Z s )
共线方程对于静态传感器严格成立，而动态传感器属逐 点或逐行的多中心投影，影像中各独立部分（像元或扫 描行）都具有各自不同的传感器状态参数。此时外方位 元素在扫描运行过程中的变化规律只能近似表达，因此 共线方程本身理论上的严密性就难以严格保持，因此动 态扫描影像的共线方程纠正法相对于其他纠正方法的精 度提高并不显著。
r
c
L1 X L9 X L5 X
L2Y L3Z L4 L10Y L11Z 1 L6Y L7Z L8
L9 X L10Y L11Z 1
DLT将动态推扫式影像等同于静态画幅式影像 进行处理，没有考虑每景影像外方位元素随时 间变化的特点，因而准确度受到一定影响。
rn
r _ Scale
cn
c
c _ Offset c _ Scale
多项式模型单点定位
(1) 模型系数求解 (2) 多项式模型像方（物方）定位 (3) 定位精度评价
直接线性变换模型
一般直接线性变换模型DLT
(Direct Linear Transformation, DLT)
aijk X iY j Z k
i0 j0 k0 n1 n2 n3 bijk X iY j Z k
i0 j0 k0
m1 m2 m3
c p3 X ,Y, Z p4 X ,Y, Z
cijk X iY j Z k
i0 j0 k0 n1 n2 n3 dijk X iY j Z k
二维多项式模型
mn
u
aij X iY j
i0 j0
mn
v
bij X iY j
i0 j0
三维多项式模型
mn p
u
aijk X iY j Z k
i0 j0 k0
mn p
v
bijk X iY j Z k
i0 j0 k0
多项式模型系数的求解
(2) 计算像点坐标 由DEM内插得到处的高程，将其代入
r c
Gr Gc
( (
x, x,
y, y,
z) z)
即可利用选定的纠正变换模型计算原始影像上
与点对应的像素的点位。
(3) 灰度内插
第(2)步计算得到的像点不一定落在原始影像 的像素中心，为此必须进行灰度内插，一般可 采用双线性内插求得点灰度值。
影像纠正主要处理过程
2 几何纠正的方案
直接纠正方案
直接纠正方案从原始图像阵列出发，按行列的顺序依
次对每个原始像素点位求其在地面坐标系(也就是输 出图像坐标系)中的正确位置，
X
Y
FX (x, y, Z ) FY (x, y, Z )
式中，FX , FY 为直接纠正变换函数。经过纠正后各纠正
c _ Offset n / 2
r
_
Scale
m
/
2
c _ Scale n / 2
X
n
X
X _ Offset X _ Scale
Yn
Y
Y _ Offset Y _ Scale
Zn
Z
Z Z_
_ Offset Scale
r r _ Offset
mn p
v
bijk X iY j Z k
i0 j0 k0
共线方程式法
x x0 f
a11 ( X a31 ( X
X s ) a12 (Y Ys ) a13 (Z Z s ) X s ) a32 (Y Ys ) a33 (Z Z s )
最近邻法
图像中两相邻点的距离为1， 取与所计算点(x,y)周围相邻 的4个点，比较它们与被计 算点的距离，哪个点距离最 近，就取哪个的亮度值作为 （ x,y ） 点 的 亮 度 值 f （ x ， y）。设该最近邻点的坐标 为（k,l）,则
k=Integer(x+0. 5)