数字图像处理中的图像变换
数字图像处理正交变换

反变换: f (x, y) F (u, v) exp j2 (ux vy)dudv
变换对: f (x, y) F(u, v)
2.2.2 二维傅立叶变换
2. 幅度谱、相位谱、能量谱 一般F(u,v)是复函数,即:
称为正变换核,
* (x, y) u ,v
称为反变换核。
为了使信号完整重建,正变换核和反变换核都必 须满足正交性和完备性。
2.1 图像变换的表达式-正交变换
变换核可分离性:将二维变换分解为2个 一维变换的计算。
u,v (x, y) au (x)bv (y) a(u, x)b(v, y)
N 1 N 1
F(u,v) R(u,v) jI(u,v) F(u,v) e j(u,v)
幅度谱: F(u, v) R2 (u, v) I 2 (u, v)
相位谱:
(u,
v)
tg
1
I (u, v) R(u, v)
能量谱: E(u, v) R2 (u, v) I 2 (u, v)
2.2.3 离散傅立叶变换
表示。 ❖ RGB图像
➢ 图像的灰度为该点的R、G、B值,直接存放在图像 灰度矩阵中。
➢ 一般每个像素需要用3×8=24bit位来表示。 ➢ 其色彩可为224 ,一般称为真彩图像。 ❖ 其他图像-还有图像的透明因子,每个像素需要32bit 来表示。
1.3 数字图像处理的研究内容
从计算机处理的角度可以由高到低将数 字图像分为三个层次。这三个层次覆盖了图 像处理的所有应用领域。
3. 求幅度谱的对数函数:
D(u,v) log(1 F(u,v) )
4. 显示D(u,v) 若D(u,v)很小或很大,则将其线形扩展或压缩到0-255
【精选】数字图像处理第3章

设定加权因子 ai 和 bi 的值,可以得到不同的变换。例如,当选定
a2 b1 切。
1 ,b2
0.1
,a1
a0
b0
0
,该情况是图像剪切的一种列剪
(a)原始图像
Digital Image Processing
(b)仿射变换后图像
3.1 图像的几何变换
◘透视变换 :
把物体的三维图像表示转变为二维表示的过程,称为透视 变换,也称为投影映射,其表达式为:
a2
b2
a1 b1
a0
b0
y
1
平移、比例缩放和旋转变换都是一种称为仿射变换的特殊情况。
仿射变换具有如下性质:
(1)仿射变换有6个自由度(对应变换中的6个系数),因此,仿射变换后 互相平行直线仍然为平行直线,三角形映射后仍是三角形。但却不能
保 证将四边形以上的多边形映射为等边数的多边形。
1D-DFT的矩阵表示 :
F (0)
F (1)
WN00 WN10
F (2)
WN20
F (N 1)
W
(N N
1)0
WN01 WN11 WN21
WN(N 1)1
W
0( N
N
1)
WN1(N 1)
第3章 图像变换
◆ 3.1 图像的几何变换 ◆ 3.2 图像的离散傅立叶变换 ◆ 3.3 图像变换的一般表示形式 ◆ 3.4 图像的离散余弦变换 ◆ 3.5 图像的离散沃尔什-哈达玛变换 ◆ 3.6 K-L变换 ◆ 3.7 本章小结
遥感数字图像处理-第三章-图像变换

含有各种信号,有变化缓慢的背景,有变换激
烈的边缘和噪声部分,而傅立叶变换就像光学
中的三棱镜,在三棱镜的作用下,一束自然光
光信号可以分为无数的单色光信号,单色光信
号从频谱中心开心频率逐渐增加,那么一幅图
像经过一个类似三棱镜的系统(傅里叶变换)
就把源图像中的信号给分开了,这样我们就可
以做各种处理就更为方便。
2021/3/11
2
2021/3/11
3
2021/3/11
4
第三章 图像变换
图像变换的目的在于:①使图像处理问题简化;② 有利于图像特征提取;③有助于从概念上增强对图像信 息的理解。
图像变换通常是一种二维正交变换。一般要求: ① 正交变换必须是可逆的; ②正变换和反变换的算法不能 太复杂; ③正交变换的特点是在变换域中图像能量将集 中分布在低频率成分上,边缘、线状信息反映在高频率 成分上,有利于图像处理。
2021/3/11
17
图像的傅立叶变换
• 灰度在平面空间上的梯度表征图像中灰 度变化剧烈程度,可以描述为图像的频 率。
• 如:大面积的沙漠在图像中是一片灰度 变化缓慢的区域,对应的频率值很低;
• 而对于地表属性变换剧烈的边缘区域在 图像中是一片灰度变化剧烈的区域,对 应的频率值较高。
2021/3/11
24
3.2傅立叶变换
在学习傅立叶级数的时候,一个周期为T的函数f(t)在[T/2,T/2]上满足狄利克雷(Dirichlet)条件,则在[-T/2,T/2] 可以展成傅立叶级数
fT(t)a 2 0n 1(anco nsw b n tsin nw ) t
其复数形式为
其中
cn
1 T
T 2
数字图像处理中的常用变换

一、离散傅里叶变换1.离散傅里叶变换的特点离散傅里叶变换(DFT),是连续傅里叶变换在时域和频域上都离散的形式,将时域信号的采样变换为在离散时间傅里叶变换(DTFT)频域的采样。
在形式上,变换两端(时域和频域上)的序列是有限长的,而实际上这两组序列都应当被认为是离散周期信号的主值序列。
即使对无限长的离散信号作DFT,也应当将其看作经过周期延拓成为周期信号再作变换。
在实际应用中通常采用快速傅里叶变换以高效计算DFT。
DFT将空域变换到频域,很容易了解到图像的各空间频域的成分。
DFT的应用十分广泛,如:图像的特征提取、空间频率域滤波、图像恢复和纹理分析等。
2.离散傅里叶变换的性质1)线性性质2)比例性质3)可分离性4)平移性质5)图像中心化6)周期性7)共轭对称性8)旋转不变性9)卷积定理10)平均值二、离散余弦变换1.离散余弦变换简介为了快速有效地对图像进行处理和分析,常通过正交变换将图像变换到频域,利用频域的特有性质进行处理。
传统的正交变换多是复变换,运算量大,不易实时处理。
随着数字图像处理技术的发展,出现了以离散余弦变换(DCT)为代表的一大类正弦型实变换,均具有快速算法。
目前DCT变换在数据压缩,图像分析,信号的稀疏表示等方面有着广泛的应用。
由于其变换矩阵的基向量很近似于托普利兹(Toeplitz )矩阵的特征向量,而托普利兹矩阵又体现了人类语言及图像信号的相关特性,因此常被认为是对语音和图像信号的最佳变换。
对给定长度为N 的输入序列f(x),它的DCT 变换定义为:⎪⎭⎫ ⎝⎛+⨯=∑-=102)12(cos )()(2)(N x N x x f u C N u F μπ式中:1,,1,0u -=N ,式中的)(u C 的满足:⎪⎩⎪⎨⎧==其它1021)(u u C在数字图像处理中,通常使用二维DCT 变换,正变换为:⎪⎪⎭⎫ ⎝⎛++⨯=∑∑-=-=10102)12(cos 2)12(cos ),()()(2),(N x N y N v y N u x y x f v C u C N v u F ππ 其逆变换IDCT 为:⎪⎭⎫ ⎝⎛++⨯=∑∑-=-=10102)12(cos 2)12(cos ),()()(2),(N u N v N v y N u x v u F v C u C N y x f ππ 式中:1,,1,0u -=N ,1,,1,0v -=N 。
数字图像处理图像变换实验报告

实验报告实验名称:图像处理姓名:刘强班级:电信1102学号:1404110128实验一图像变换实验——图像点运算、几何变换及正交变换一、实验条件PC机数字图像处理实验教学软件大量样图二、实验目的1、学习使用“数字图像处理实验教学软件系统”,能够进行图像处理方面的简单操作;2、熟悉图像点运算、几何变换及正交变换的基本原理,了解编程实现的具体步骤;3、观察图像的灰度直方图,明确直方图的作用与意义;4、观察图像点运算与几何变换的结果,比较不同参数条件下的变换效果;5、观察图像正交变换的结果,明确图像的空间频率分布情况。
三、实验原理1、图像灰度直方图、点运算与几何变换的基本原理及编程实现步骤图像灰度直方图就是数字图像处理中一个最简单、最有用的工具,它描述了一幅图像的灰度分布情况,为图像的相关处理操作提供了基本信息。
图像点运算就是一种简单而重要的处理技术,它能让用户改变图像数据占据的灰度范围。
点运算可以瞧作就是“从象素到象素”的复制操作,而这种复制操作就是通过灰度变换函数实现的。
如果输入图像为A(x,y),输出图像为B(x,y),则点运算可以表示为:B(x,y)=f[A(x,y)]其中f(x)被称为灰度变换(Gray Scale Transformation,GST)函数,它描述了输入灰度值与输出灰度值之间的转换关系。
一旦灰度变换函数确定,该点运算就完全确定下来了。
另外,点运算处理将改变图像的灰度直方图分布。
点运算又被称为对比度增强、对比度拉伸或灰度变换。
点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸与均衡等。
图像几何变换就是图像的一种基本变换,通常包括图像镜像变换、图像转置、图像平移、图像缩放与图像旋转等,其理论基础主要就是一些矩阵运算,详细原理可以参考有关书籍。
实验系统提供了图像灰度直方图、点运算与几何变换相关内容的文字说明,用户在操作过程中可以参考。
下面以图像点运算中的阈值变换为例给出编程实现的程序流程图,如下:2、图像正交变换的基本原理及编程实现步骤数字图像的处理方法主要有空域法与频域法,点运算与几何变换属于空域法。
数字图像处理基本知识

数字图像处理基本知识数字图像处理基木知识图像处理最早出现于20世纪50年代,当时的电子计算机己经发展到一定水平,人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。
图像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像处理方法有图像增强、复原、编码、压缩等。
数字图像处理常用方法:1)图像变换:由于图像阵列很大,直接在空间域中进行处理,涉及计算量很大。
因此,往往采用各种图像变换的方法,如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术,将空间域的处理转换为变换域处理,不仅可减少计算量,而且可获得更有效的处理(如傅立叶变换可在频域中进行数字滤波处理)。
目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性,它在图像处理中也有着广泛而有效的应用。
2)图像编码压缩:图像编码压缩技术可减少描述图像的数据量(即比特数),以便节省图像传输、处理时间和减少所占用的存储器容量。
压缩可以在不失真的前提下获得,也可以在允许的失真条件下进行。
编码是压缩技术中最重要的方法,它在图像处理技术中是发展最早且比较成熟的技术。
3)图像增强和复原:图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。
图像增强不考虑图像降质的原因,突出图像中所感兴趣的部分。
如强化图像高频分量,可使图像中物体轮廓清晰,细节明显;如强化低频分量可减少图像中噪声影响。
图像复原要求对图像降质的原因有一定的了解,一般讲应根据降质过程建立“降质模型”,再采用某种滤波方法,恢复或重建原来的图像。
4)图像分割:图像分割是数字图像处理中的关键技术之一。
图像分割是将图像中有意义的特征部分提取出来,其有意义的特征有图像中的边缘、区域等,这是进一步进行图像识别、分析和理解的基础。
虽然目前己研究出不少边缘提取、区域分割的方法,但还没有一种普遍适用于各种图像的有效方法。
数字图像处理---图像的几何变换

数字图像处理---图像的⼏何变换图像的⼏何变换图像的⼏何变换包括了图像的形状变换和图像的位置变换图像的形状变换图像的形状变换是指图像的放⼤、缩⼩与错切图像缩⼩图像的缩⼩是对原有的数据进⾏挑选或处理,获得期望缩⼩尺⼨的数据,并尽量保持原有的特征不消失分为按⽐例缩⼩和不按⽐例缩⼩两种最简单的⽅法是等间隔地选取数据图像缩⼩实现设原图像⼤⼩为M ∗N ,缩⼩为K 1M ∗K 2N (K 1<1,K 2<1)1. 设原图为F (i ,j ),i =1,2,...,M ,j =1,2,...,N ;压缩后地图像为G (x ,y ),x =1,2,...,k 1M ,y =1,2,...,k 2N2. G (x ,y )=F (c 1∗i ,c 2∗j );其中,c 1=1/k 1,c 2=1/k 2图像放⼤图像放⼤时对多出的空位填⼊适当的值,是信息的估计最简单的思想是将原图像中的每个像素放⼤为k ∗k 的⼦块图像放⼤实现设原图像⼤⼩为M ∗N ,缩⼩为K 1M ∗K 2N (K 1>1,K 2>1)1. 设原图为F (i ,j ),i =1,2,...,M ,j =1,2,...,N ;压缩后地图像为G (x ,y ),x =1,2,...,k 1M ,y =1,2,...,k 2N2. G (x ,y )=F (c 1∗i ,c 2∗j );其中,c 1=1/k 1,c 2=1/k 2图像错切图像错切变换实际上是平⾯景物在投影平⾯上的⾮垂直投影效果图像错切的数学模型x ′=x +d x y y ′=y(x ⽅向的错切,dx =tan θ)x ′=x y ′=y +d y x(y ⽅向的错切,dy =tan θ)图像的位置变换图像的位置变换是指图像的平移、镜像与旋转,即图像的⼤⼩和形状不发⽣变化主要⽤于⽬标识别中的⽬标配准图像平移公式:{{x ′=x +Δx y ′=y +Δy图像镜像图像镜像分为⽔平镜像和垂直镜像,即左右颠倒和上下颠倒公式:图像⼤⼩为M*Nx ′=x y ′=−y (⽔平镜像)x ′=−x y ′=y(垂直镜像)由于不能为负,因此需要再进⾏⼀次平移x ′=x y ′=N +1−y (⽔平镜像)x ′=M +1−xy ′=y(垂直镜像)图像旋转公式:x ′=xcos θ−ysin θy ′=xsin θ+ycos θ由于计算结果值所在范围与原有值不同,因此需要在进⾏扩⼤画布、取整、平移等处理画布扩⼤原则:以最⼩的⾯积承载全部的画⾯信息⽅法:根据公式x ′=xcos θ−ysin θy ′=xsin θ+ycos θ计算x ′min ,x ′max ,y ′min ,y ′max旋转后可能导致像素之间相邻连接不再连续,因此需要通过增加分辨率的⽅式填充空洞插值最简单的⽅式就是⾏插值(列插值)⽅法1. 找出当前⾏的最⼩和最⼤的⾮背景点坐标,记作:(i,k1)、(i,k2)2. 在(k1,k2)范围内进⾏插值,插值⽅法为空点的像素值等于前⼀点的像素值3. 重复上述操作直⾄没有空洞图像的仿射变换图像的仿射变换即通过通⽤的仿射变换公式,表⽰⼏何变换{{{{{{{齐次坐标原坐标为(x,y),定义齐次坐标为(wx,wy,w)实质上是通过增加坐标量来解决问题仿射变换通式通过齐次坐标定义仿射变换通式为x ′=ax +by +Δx y ′=cx +dy +Δy⇒x ′y ′=a b Δx c dΔyx y⼏何变换表⽰1. 平移x ′y ′1=10Δx 01Δy 001x y12. 旋转x ′y ′1=cos θ−sin θ0sin θcos θ0001x y 13. ⽔平镜像x ′y ′1=−10001001x y14. 垂直镜像x ′y ′1=1000−10001x y15. 垂直错切x ′y ′1=1d x 00−10001x y16. ⽔平错切x ′y ′1=100d y −10001x y1图像的⼏何校正由于图像成像系统的问题,导致拍摄的图⽚存在⼀定的⼏何失真⼏何失真分为{[][][][][][][][][][][][][][][][][][][][][]1. 系统失真:有规律的、可预测的2. ⾮系统失真:随机的⼏何校正的基本⽅法是先建⽴⼏何校正的数学模型,其次利⽤已知条件确定模型参数,最后根据模型对图像进⾏⼏何校正步骤:1. 图像空间坐标的变换2. 确定校正空间各像素的灰度值(灰度内插)途径:1. 根据畸变原因,建⽴数学模型2. 参考点校正法,根据⾜够多的参考点推算全图变形函数空间坐标变换实际⼯作中利⽤⼀幅基准图像f(x,y),来校正失真图像g(x′,y′)根据⼀些控制点对,建⽴两幅图像之间的函数关系,通过坐标变换,以实现失真图像的⼏何校正两幅图像上的f(x,y)=g(x′,y′)时,称其为对应像素(同名像素)通过表达式x′=h1(x,y)y′=h2(x,y)表⽰两幅图像之间的函数关系通常⽤多项式x′=n∑i=0n−i∑j=0a ij x i y jy′=n∑i=0n−i∑j=0b ij x i y j来近似h1(x,y)、h2(x,y)当多项式系数n=1时,畸变关系为线性变换x′=a00+a10x+a01yy′=b00+b10x+b01y六个未知数需要⾄少三个已知点来建⽴⽅程式当多项式系数n=2时,畸变关系式为x′=a00+a10x+a01y+a20x2+a11xy+a02y2y′=b00+b10x+b01y+b20x2+b11xy+b02y2 12个未知数需要⾄少6个已知点来建⽴⽅程式当超过已知点数⽬超过要求时,通过最⼩⼆乘法求解n=2时多项式通式为B2∗n=H2∗6A6∗n(n为待求点数)B2∗n=x′1x′2⋯x′n y′1y′2⋯y′n{ []H 2∗6=a 00a 10a 01a 20a 11a 02b 00b 10b 01b 20b 11b 02A 6∗n =11⋯1x 1x 2⋯x n y 1y 2⋯y n x 21x 22⋯x 2n x 1y 1x 2y 2⋯x n y ny 21y 22⋯y 2n同名点对要求1. 数量多且分散2. 优先选择特征点直接法利⽤已知点坐标,根据x ′=h 1(x ,y )y ′=h 2(x ,y )⇒x =h ′1(x ′,y ′)y =h ′2(x ′,y ′)x =n ∑i =0n −i∑j =0a ′ij x ′i y′jy =n ∑i =0n −i∑j =0b ′ijx ′i y ′j解求未知参数;然后从畸变图像出发,根据上述关系依次计算每个像素的校正坐标,同时把像素灰度值赋予对应像素,⽣成校正图像由于像素分布的不规则,导致出现像素挤压、疏密不均等现象,因此最后还需要进⾏灰度内插,⽣成规则图像间接法间接法通过假定⽣成图像的⽹格交叉点,从⽹格交叉点(x,y)出发,借助已知点求取未知参数,根据x ′=n ∑i =0n −i∑j =0a ij x i y jy ′=n ∑i =0n −i∑j =0b ij x i y j推算⽹格交叉点(x,y)对应畸变图像坐标(x',y'),由于对应坐标⼀般不为整数,因此需要通过畸变图像坐标周围点的灰度值内插求解,作为⽹格交叉点(x,y)的灰度值间接法相对直接法内插较为简单,因此常采⽤间接法作为⼏何校正⽅法像素灰度内插最近邻元法最近邻元法即根据四邻域中最近的相邻像素灰度决定待定点灰度值该⽅法效果较佳,算法简单,但是校正后图像存在明显锯齿,即存在灰度不连续性双线性内插法[][]{{双线性内插法是利⽤待求点四个邻像素的灰度在两个⽅向上作线性内插该⽅法相较最近邻元法更复杂,计算量更⼤,但是没有灰度不连续的缺点,且具有低通滤波性质,图像轮廓较为模糊三次内插法三次内插法利⽤三次多项式S(x)来逼近理论最佳插值函数sin(x)/xS(x)=1−2|x|2+|x|30≤|x|<1 4−8|x|+5|x|2−|x|31≤|x|<20|x|≥2该算法计算量最⼤,但是内插效果最好,精度最⾼{Processing math: 100%。
数字图像处理课件第6章图像的几何变换

x Hx H
y Hy H
第6章 图像的几何变换
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6-2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,就变成H =1平面内的三角形a1b1c1的各顶点。
图6-2 齐次坐标的几何意义
第6章 图像的几何变换
齐次坐标在2D图像几何变换中的另一个应用是:如某 点S(60 000,40 000)在16位计算机上表示,由于大于32767 的最大坐标值,需要进行复杂的处理操作。但如果把S的坐 标形式变成(Hx, Hy, H)形式的齐次坐标,则情况就不同了。 在齐次坐标系中,设H=1/2,则S(60 000,40 000)的齐次坐 标为(x/2,y/2,1/2),那么所要表示的点变为(30 000, 20 000,1/2),此点显然在16位计算机上二进制数所能表示 的范围之内。
(图像上各点的新齐次坐标)
(图像上各点的原齐次坐标)
第6章 图像的几何变换 设变换矩阵T为
a b p
T c
d
q
l m s
则上述变换可以用公式表示为
=
T
Hx1' Hy1'
Hx2' Hy2'
Hxn' Hyn'
x1 x2 xn
T
y1
y2
yn
H H H 3n
1 1 1 3n
第6章 图像的几何变换
6.4 图像镜像
6.4.1 图像镜像变换 图像的镜像(Mirror)变换不改变图像的形状。 镜像变换分为两种:一种是水平镜像,另外一种是垂直镜
- 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)。
线性系统
系统的定义:接受一个 输入,并产生相应输出 的任何实体,系统的输 入是一个或两个变量的 函数,输出是相同变量 的函数
x(t ) 输入 系统 输出 y(t)
线性系统的定义:对于某特定系统 有:
x1(t)->y1(t) x2(t)->y2(t) 该系统是线性的,当且仅当:
傅立叶级数:非正弦周期函数
为了研究非正弦周期函数,可以将周期为T=2π/ ω的周期 函数用一系列以T为周期的正弦函数的级数来表示,记为:
fT (t ) A0 An sin(nt n)
n 1
其中A0,An, φn 是常数,n=1,2,3……
这样就可以把一个比较复杂的周期运动看作是许多不同频 率的简谐振动的叠加
傅立叶级数
狄利克雷(Dirichlet)条件
设f(x)是周期为2π的周期函数,如果它满足:
(1)在一个周期内连续或只有有限个第一类间断点; (2)在一个周期内至多只有有限个极值点, 则f(x)的傅立叶级数收敛,并且
当x是f(x)的连续点时,级数收敛于f(x); 当x是f(x)的间断点时,级数收敛于1/2[f(x-0)+f(x+0)].
二维线性位移不变系统
如果对二维函数施加运算T[· ,满足 ]
T f x, y T [ f x, y ] T f1 x, y f 2 x, y T f1 x, y T f 2 x, y
F (u) f ( x)e j 2ux dx 可以展开成
这里f(x)是实函数,它的 实部: f(x)cos(2 πux)dx R(u) 傅立叶变换F(u)通常是复 - 函数。F(u)的实部、虚部、 虚部 : I(u) f(x)sin(2 πux)dx 振幅、能量和相位分别表 振幅 :|F(u)| [R 2 (u) I 2 (u)]1/ 2 示如右。其中振幅又称振 幅谱,或傅立叶谱、或称 能量 : E(u)| F(u) |2 R 2 (u) I 2 (u) 频谱。频谱的平方称能量 I(u) 相位 : φ(u) arctan| | 谱 R(u)
n - c en源自nt.iT 2
T 2
fT (t )e jnt dt
可见,傅立叶级数清楚地表明了信号由哪些频率分量组 成及其所占的比重,从而有利于对信号进行分析与处理
一维连续函数的傅立叶变换
令f(x)为实变量x的连续 函数,f(x) 的傅立叶变 换用F(u)表示,则定义 式为:
互相关函数
给定两个函数f(t)和g(t),它们的互相关函数定义为:
Rfg( ) f (t ) * g (t ) f (t ) g (t )dt
互相关函数可以反映两个函数在不同的相对位置 上互相匹配的程度
如果g(t)是点扩散函数h(t),那么输出为输入图像和 点扩散函数的互相关函数。
傅立叶级数
三角函数系的正交性
即:sinx,cosx,sin2x,cos2x,…,sinnx,cosnx,…在区 间[-π,π]上正交,就是指在三角函数系中任何两个 函数的乘积在区间[-π,π]上的积分等于零。
傅立叶级数
如周期函数可展成三角级数
a0 f ( x ) (an cosnx bn sin nx) 2 n 1
F(u)
1 N
f(x)e
x 0
F (u) f ( x)e j 2ux dx
若已知F(u),则傅立叶反变换为:
f ( x) F (u )e
j 2ux
du
上两个式子称为傅立叶变换对
傅立叶变换
根据欧拉公式
e j 2ux cos2ux j sin 2ux
F(u) f ( x) cos(2ux)dx j f ( x) sin(2ux)dx
傅立叶变换中出现的变量u 通常称为频率变量
傅立叶变换
傅立叶变换的目的
傅立叶变换建立了函数在空间域与频率域之间的转 换关系,把空间域中的问题转换到频率域中求解。 求一个函数的傅立叶变换就是求它的频谱,即求它 的各频率分量及分量所占的比重
通常称傅立叶变换前变量变化的空间为空间域, 而称傅立叶变换后变量变化的空间为频率域
y(t)= yx(t)+ yf(t)
单位冲激响应:LTI系统,系统的初始状态为 零时,由输入单位冲激信号δ (t)所引起的单位 冲激响应h(t),它与零输入响应具有相同的函 数形式
卷积定义
对于一个线性时不变系统的输入f(t)和输出y(t),其间必 定存在关系:
y(t ) f (t ) * h(t )
当输入的单位脉冲函数延迟了α、β单位,即当输入为δ(xα,y–β)时,如果输出为h(x–α, y–β),则称此系统为位移不变 系统。
点扩散函数与二维线性位移不变系统
对于一个二维线性位移不变系统,如果输入为f(x,y),输出为 g(x,y),系统加于输入的线性运算为T[ • ],则有
g ( x, y ) T f ( x, y ) T f ( , ) ( x , y )dd
当α=β=0时
f (0,0)
f ( x, y) ( x, y)dxdy
位移性
δ函数的另一个重要特性就是位移性。即使用δ函数与另一个 输入函数作卷积,输出仅依赖于影响和被影响变量之间的相对 位置,而与实际位置不相关
用卷积符号 * 表示为
f ( x, y) f ( x, y) ( x, y)
T af x, y aT f x, y
则称该运算为二维线性运算。由它描述的系统,称为二维 线性系统。
LTI系统的零输入响应和零状态响应
零输入响应:激励为零时,仅由系统的初始状 态{x(0)}所引起的响应yx(t); 零状态响应:系统的初始状态为零时,仅有输 入信号f(t)所引起的响应yf(t) LTI系统的完全响应为
第三讲 图像变换
刘春国 河南理工大学 测绘与国土信息工程学院
图像与图像变换
图像的表示
空间域 频率域 图像由像素组成,像素在图像空间中按某种规律排 列的,图像在空间域上具有很强的相关性。
将图像看成是线性叠加系统
图像变换是将图像从空间域变换到其它域如频 率域的数学变换 图像变换的目的在于:
傅立叶级数
一个周期为T的函数f(t)在[-T/2,T/2]上满足狄利克雷 (Dirichlet)条件,则在[-T/2,T/2]可以展成傅立叶级数
a0 fT( t ) (an cosnt bn sin nt ) 2 n 1
其复数形式为: cn为:
fT( t )
1 cn T
那么离散序列f(x)可以表示为f(x)=f(x0+iΔ x),其中i取离散值 0,1,2,3,…,n-1。即用序列{f(0),f(1),f(2),…,f(N-1)}代替{f(x0), f(x0+△x),…,f[x0+(N-1)△x]}。
一维离散函数的傅立叶变换
连续函数f(x)经离散采样 后,形成一函数序列 f(x)= f(x0+xΔx),仿照一 维连续函数的傅立叶变 换可以给出离散函数的 傅立叶变换定义为右上 式: 傅立叶反变换为:
当该级数可逐项积分,且f(x)的系数a0,an,bn都存 在,可求其系数:
2 T an 2T f ( x) cos nxdx (n 0,1,2,3,...) T 2 2 T bn 2T f ( x) sin nxdx (n 1,2,3,...) T 2
那么函数f(x)的三角级数称为函数f(x)的傅立叶级数
二维函数的傅立叶谱、相位和能量谱分别为 |F(u,v)∣=[R2(u,v)+I2 (u,v)]1/2 φ(u,v)=tan-1 [I(u,v)/R(u,v)] E(u,v)=R2(u,v)+I2(u,v)
离散函数的傅立叶变换
假定取间隔△x单位的抽样方法将一个连续函数f(x)离 散化为一个序列{f(x0),f(x0+△x),…,f[x0+(N-1)△x]}, 如图所示。
①使图像处理问题简化; ②有利于图像特征提取; ③有助于从概念上增强对图像信息的理解。
图像变换概述
图像变换通常是一种二维正交变换。
一般要求正交变换:
①正交变换必须是可逆的; ②正变换和反变换的算法不能太复杂;
图像正交变换
③正交变换的特点是在变换域中图像能量将集中分 布在低频率成分上,边缘、线状信息反映在高频率 成分上。 借助于正交变换的特性可使得在空间域上的复杂计 算转换到频率域后得到简化,更有利于获得图像的 各种特性和进行特殊处理
f ( )h(t )d
h(t)称为线性系统的单位冲激响应函数,其含义为:当线性系 统输入f(t)为单位脉冲函数时,线性系统的输出响应
上式称之为卷积积分,两个函数的卷积运算是将一个 函数反折平移后与另一个函数相乘,并计算积函数的 积分
卷积过程
卷积过程
狄拉克函数
( x, y) 0
线性
f ( , )T x , y dd
移不变
f , hx , y dd