《像素空间关系》PPT课件.ppt

《《像素空间关系》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《像素空间关系》PPT课件.ppt（40页珍藏版）》请在三一办公上搜索。

1、数字图像处理第3章 像素空间关系黄进,1,第3章 像素空间关系,本章将介绍像素间的基本关系和坐标变换。,数字图像处理第3章 像素空间关系黄进,2,本章目录（1）,3.1 像素间的基本关系3.1.1 像素的邻域3.1.2 像素的邻接3.1.3 像素的连接3.1.4 像素的连通3.1.5 像素集合间的邻接，连接和连通3.1.6 像素间的距离3.1.6.1 DE距离3.1.6.2 D4距离3.1.6.3 D8距离3.1.6.4 Dm距离,数字图像处理第3章 像素空间关系黄进,3,本章目录（2）,3.2 坐标变换3.2.1 平移变换3.2.2 放缩变换3.2.3 旋转变换3.2.4 镜像变换3.2.5

2、 反变换3.2.6 变换的级连3.2.7 变换的推广3.3 几何失真校正3.3.1 空间变换3.3.2 灰度插值作业,数字图像处理第3章 像素空间关系黄进,4,3.1 像素间的基本关系,图像的基本组成单元是像素，像素在图像空间中按某种规律排列，有一定相互联系。本节内容包括：3.1.1 像素的邻域3.1.2 像素的邻接3.1.3 像素的连接3.1.4 像素的连通3.1.5 像素集合间的邻接，连接和连通3.1.6 像素间的距离,数字图像处理第3章 像素空间关系黄进,5,3.1.1 像素的邻域（1）,概念：一个像素的邻近像素组成该像素的邻域。像素邻域的类型如图所示。（1）4-邻域N4(p)由p的水平

3、（左右）和垂直（上下）共4个近邻像素组成。这些近邻像素的坐标分别是(x+1,y)，(x-1,y)，(x,y-1)，(x,y+1)。组成p的4-邻域的4个像素均用r表示。如图3.1.1(a)所示。,图3.1.1 像素的邻域(a)4-邻域，(b)对角邻域，(c)8-邻域,数字图像处理第3章 像素空间关系黄进,6,3.1.1 像素的邻域（2）,（2）对角邻域ND(p)由p的对角（左上、右上、左下、右下）共4个近邻像素组成。这些近邻像素的坐标分别是(x+1,y+1)，(x+1,y-1)，(x-1,y+1)，(x-1,y-1)。组成p的对角邻域的4个像素均用s表示。如图3.1.1(b)所示。（3）8-邻

4、域N8(p)由p的4个4-邻域像素与4个对角邻域像素共同组成。如图3.1.1(c)所示。注意：如果像素p本身处在图像的边缘，则它的N4(p)，ND(p)和N8(p)中的若干个像素将落在图像之外。,数字图像处理第3章 像素空间关系黄进,7,3.1.2 像素的邻接,邻接的概念：一个像素与在它邻域中的像素是接触的，称为邻接（adjacency）的。像素邻接的类型包括：4-邻接一个像素与在它4-邻域中的像素接触。对角邻接一个像素与在它对角邻域中的像素接触。8-邻接一个像素与在它8-邻域中的像素接触。邻接仅考虑了像素间的空间关系。,数字图像处理第3章 像素空间关系黄进,8,3.1.3 像素的连接（1）,

5、像素是否连接（connectivity）需要考虑两点：（1）是否邻接（即是否接触）；（2）灰度值是否满足某个特定的相似准则。“灰度值”也可以是其它属性值。“相似准则”可以是灰度值相等，或同在一个灰度值集合中取值。例如：设V表示定义连接的灰度值集合，则有：在一幅二值图像中，考虑两个灰度值为1的像素之间的连接，取V=1。在一幅有32个灰度级的灰度图中，考虑灰度值在8到15间的两个像素的连接时，取V=8,9,15。,数字图像处理第3章 像素空间关系黄进,9,3.1.3 像素的连接（2）,像素连接的类型包括：4-连接两个像素p和r在V中取值且r在N4(p)中。r在N4(p)中意味着p也在N4(r)中。

6、8-连接两个像素p和r在V中取值且r在N8(p)中。r在N8(p)中意味着p也在N8(r)中。m-连接（混合连接）两个像素p和r在V中取值且满足下列两个条件之一：（1）r在N4(p)中。即两个像素p和r是4-连接。（2）r在ND(p)中且N4(p)N4(r)在V的意义下是空集。即N4(p)N4(r)不包含V中取值的像素。,数字图像处理第3章 像素空间关系黄进,10,3.1.3 像素的连接（3）,对m-连接（混合连接）的说明：（1）对m-连接中条件(2)的解释如图。图3.1.2(a)：rND(p)且N4(p)N4(r)=c,d。图3.1.2(b)：设V=1，该图满足混合连接条件。图3.1.2(c

7、)：设V=1，该图不满足混合连接条件。,图3.1.2 对混合连接中条件(2)的进一步解释,数字图像处理第3章 像素空间关系黄进,11,3.1.3 像素的连接（4）,（2）m-连接可以认为是8-连接的一种变型，引进它是为了消除使用8-连接时常出现的多路问题。如图。图3.1.3(a)：原始图像。图3.1.3(b)：当V=1时的8-连接图像。歧义性：中心像素和右上角像素间存在连线。图3.1.3(c)：用m-连接消除歧义性后的图像。中心像素和右上角像素间的m-连接不能成立。,图3.1.3 像素间的混合连接,数字图像处理第3章 像素空间关系黄进,12,3.1.4 像素的连通（1）,像素间的通路：从具有坐

8、标(x,y)的象素p到具有坐标(s,t)的象素q的一条通路由一系列具有坐标(x0,y0)，(x1,y1)，(xn,yn)的独立象素组成。（1）(x0,y0)=(x,y)，(xn,yn)=(s,t)。（2）(xi,yi)与(xi-1,yi-1)邻接。（3）1i n，n为通路长度。根据不同的邻接定义，可以得到不同的通路。如：4-邻接=4-通路，8-邻接=8-通路。,数字图像处理第3章 像素空间关系黄进,13,3.1.4 像素的连通（2）,像素的连通：像素间通路上所有像素的灰度值均满足某个特定的相似准则，则像素p和q是连通的。根据不同的连接定义，可以得到不同的连通。如：4-连接=4-连通，8-连接=

9、8-连通。连接可以看作是像素连通的一种特例。两个连通的像素也是连接的。,数字图像处理第3章 像素空间关系黄进,14,3.1.5 像素集合间的邻接，连接和连通（1）,像素集合间的邻接对两个图像子集 S 和 T 来说，如果S中的一个或一些像素与 T 中的一个或一些像素邻接，则可以说两个图像子集S 和 T 是邻接的。可以说，两个图像子集是4-邻接、8-邻接的。像素集合间的连接对两个图像子集 S 和 T 来说，如果S中的一个或一些像素与 T 中的一个或一些像素连接，则可以说两个图像子集S 和 T 是连接的。像素集合间的连通设p和q是一个图像子集S中的两个像素，如果存在一条完全由在S中的像素组成的从p到

10、q的通路，则称p在S中与q连通。对S中任一个像素p，所有与p相连通且又在S中的像素的集合（包括p）合起来称为S中的一个连通组元。,数字图像处理第3章 像素空间关系黄进,15,3.1.5 像素集合间的邻接，连接和连通（2）,如果S中只有一个连通组元，即S中所有像素都相互连通，则称S是一个连通集。两个相互不邻接但与同一个图像子集都邻接（在同一个V下）的图像子集是相互连通的。图像里同一个连通集中的任两个像素互相连通，而不同连通集中的像素互不连通。图像的区域的边界图像里每个连通集构成图像中的一个区域。图像可以认为是一系列区域组成。区域的边界也称区域的轮廓，是该区域的一个子集，它将该区域与其它区域分开。

11、组成一个区域边界的像素本身属于该区域而在其邻域中有不属于该区域的像素。,数字图像处理第3章 像素空间关系黄进,16,3.1.6 像素间的距离（1）,像素在空间的接近程度可以用像素间的距离来测量。距离量度函数定义：设3个像素p，q，r，坐标分别为(x,y)，(s,t)，(u,v)，函数D为一个距离量度函数必须满足下列条件：（1）D(p,q)0，（D(p,q)=0当且仅当p=q）两个象素之间的距离总是正的。（2）D(p,q)=D(q,p)象素之间的距离与起终点的选择无关。（3）D(p,r)D(p,q)+D(q,r)象素之间的最短距离是沿直线的。,数字图像处理第3章 像素空间关系黄进,17,3.1.

12、6 像素间的距离（2）,范数是侧度空间的一个基本概念。一个函数f(x)的范数可表示为：w称为指数或指标。在距离计算中，两点之间的Minkowski距离度量为：w取1，2和时的情况如图。,图3.1.4 三种范数和三种距离,数字图像处理第3章 像素空间关系黄进,18,3.1.6.1 DE距离（1）,定义：DE距离即欧氏（Euclidean）距离，是范数为2的距离。点p和q之间的欧氏距离定义为：DE(p,q)=(x-s)2+(y-t)21/2几何意义：与坐标为(x,y)的像素的DE距离小于或等于某个值d的像素都包括在以(x,y)为中心以d为半径的圆中。如图3.1.5(a)，对应的3-D透视图如图3.

13、1.6(a)。图3.1.5(a)：与(x,y)的DE距离小于或等于3的像素构成的圆形区域。在数字图像中，圆只能近似地表示。图中距离值已四舍五入到保留一位小数。,数字图像处理第3章 像素空间关系黄进,19,3.1.6.1 DE距离（2）,图3.1.5 等距离轮廓示例，(a)欧式距离，(b)城区距离，(c)棋盘距离,图3.1.6 等距离轮廓的3-D透视图，(a)欧式距离，(b)城区距离，(c)棋盘距离,数字图像处理第3章 像素空间关系黄进,20,3.1.6.2 D4距离,定义：D4距离即城区（city-block）距离，是范数为1的距离。点p和q之间的城区距离定义为：D4(p,q)=x-s+y-t

14、几何意义：与坐标为(x,y)的像素的D4距离小于或等于某个值d的像素都包括在以(x,y)为中心的菱形中。如图3.1.5(b)，对应的3-D透视图如图3.1.6(b)。图3.1.5(b)：与(x,y)的D4距离小于或等于3的像素构成的菱形区域。D4=1的像素就是(x,y)的4-邻域像素，因此，像素p的4-邻域可以通过城区距离来定义：N4(p)=rD4(p,r)=1r表示某个像素。,数字图像处理第3章 像素空间关系黄进,21,3.1.6.3 D8距离,定义：D8距离即棋盘（chessboard）距离，是范数为的距离。点p和q之间的棋盘距离定义为：D8(p,q)=max(x-s,y-t)几何意义：与

15、坐标为(x,y)的像素的D8距离小于或等于某个值d的像素都包括在以(x,y)为中心的正方形中。如图3.1.5(c)，对应的3-D透视图如图3.1.6(c)。图3.1.5(c)：与(x,y)的D8距离小于或等于3的像素构成的正方形区域。D8=1的像素就是(x,y)的8-邻域像素，因此，像素p的8-邻域可以通过棋盘距离来定义：N8(p)=rD8(p,r)=1r表示某个像素。,数字图像处理第3章 像素空间关系黄进,22,3.1.6.4 Dm距离（1）,两点p和q之间的D4距离等于它们之间最短的4-通路的长度；两点p和q之间的D8距离等于它们之间最短的8-通路的长度。如图。上图中：DE=5，D4=7，

16、D8=4。实际上，考虑两点p和q之间的D4距离和D8距离时并不需要看它们之间是否真有一条通路，因为这些距离的定义只涉及这些点的坐标。,图3.1.7 像素间距离的计算,数字图像处理第3章 像素空间关系黄进,23,3.1.6.4 Dm距离（2）,Dm距离依赖于沿m-通路的像素和它们近邻像素的值。如图。图3.1.8(a)：p=1，q=1。图3.1.8(b)：若s=0，t=0，则Dm(p,q)=2。图3.1.8(c)：若s=0，t=1，则Dm(p,q)=3。图3.1.8(d)：若s=1，t=0，则Dm(p,q)=3。图3.1.8(e)：若s=1，t=1，则Dm(p,q)=4。,图3.1.8 m-连通时

17、像素间距离的计算,(a)(b)(c)(d)(e),数字图像处理第3章 像素空间关系黄进,24,3.2 坐标变换,设：空间一个点的笛卡尔坐标为(X,Y,Z)，对应的齐次坐标为(X,Y,Z,1)，坐标变换可写成矩阵形式：v=Avv是原坐标的矢量：v=X Y Z 1Tv是变换后坐标的矢量：v=X Y Z 1TA是44的变换矩阵：对不同的变换，变换矩阵惟一地确定了变换的结果。,数字图像处理第3章 像素空间关系黄进,25,3.2.1 平移变换,设：需用平移量(X0,Y0,Z0)将具有坐标为(X,Y,Z)的点平移到新的位置(X,Y,Z)，即X=X+X0Y=Y+Y0Z=Z+Z0 可用矩阵表示如下，T为平移变

18、换矩阵。,数字图像处理第3章 像素空间关系黄进,26,3.2.2 放缩变换,放缩变换也称尺度变换。放缩变换将改变点间的距离，即改变了物体的尺寸。放缩变换一般沿坐标轴方向进行，或可分解为沿坐标轴方向进行。放缩变换可用矩阵表示如下，S为放缩变换矩阵。Sx，Sy和Sz为放缩系数。当Sx，Sy或Sz不为整数时，原图像中某些像素放缩后的坐标可能不为整数，导致变换后图像中出现“孔”。解决：需进行取整操作和插值操作。,CH3_2_2.m,数字图像处理第3章 像素空间关系黄进,27,3.2.3 旋转变换（1）,最简单的3-D旋转是关于一个点绕坐标轴的旋转，旋转角定义为从旋转轴正向看原点是顺时针的。（1）将一个

19、点绕Z坐标轴旋转角度的旋转变换可用矩阵表示如下，R为旋转变换矩阵。推导：将一个点顺时针旋转a角后的坐标变换如图。r为该点到原点的距离，在旋转过程中，r保持不变。b为旋转前r与x轴之间的夹角。,数字图像处理第3章 像素空间关系黄进,28,3.2.3 旋转变换（2）,旋转前：x0=rcosb，y0=rsinb旋转后：x1=rcos(b-a)=rcosbcosa+rsinbsina=x0cosa+y0sinay1=rsin(b-a)=rsinbcosa-rcosbsina=-x0sina+y0cosa以矩阵的形式表示为：,图3.2.1 旋转示意图,数字图像处理第3章 像素空间关系黄进,29,3.2.

20、3 旋转变换（3）,（2）将一个点绕Y坐标轴旋转角度的旋转变换可用矩阵表示如下，R为旋转变换矩阵。（3）将一个点绕X坐标轴旋转角度的旋转变换可用矩阵表示如下，R为旋转变换矩阵。,CH3_2_3.m,数字图像处理第3章 像素空间关系黄进,30,3.2.3 旋转变换（4）,一般3-D旋转的变换。将一个空间点P绕一个中心点C旋转可用连续的3个变换来实现：第1个变换：平移点C到坐标原点。第2个变换：将P绕原点旋转。第3个变换：平移点C回到原始位置。(X,Y,Z)是空间点P旋转前的坐标。(X,Y,Z)是空间点P旋转后的坐标。是绕Z坐标轴旋转的角度。是绕X坐标轴旋转的角度。旋转变换同放缩变换一样，也需要取

21、整操作和插值操作。,数字图像处理第3章 像素空间关系黄进,31,3.2.4 镜像变换,镜像（mirror）变换分为两种：（设原图像的宽和高分别为w和h）水平镜像可用矩阵表示如下，Mx为水平镜像变换矩阵。垂直镜像可用矩阵表示如下，My为垂直镜像变换矩阵。,CH3_2_4.m,数字图像处理第3章 像素空间关系黄进,32,3.2.5 反变换（1）,各坐标变换矩阵都有对应的执行反坐标变换的逆矩阵。平移变换的反变换：放缩变换的反变换：,数字图像处理第3章 像素空间关系黄进,33,3.2.5 反变换（2）,旋转变换的反变换：,数字图像处理第3章 像素空间关系黄进,34,3.2.6 变换的级连（1）,概念：

22、连续多个变换可借助矩阵的相乘最后用一个单独的44变换矩阵表示。对一个坐标为 v 的点的平移、放缩、绕 Z 轴旋转变换可表示为：A是一个44的矩阵，A=RST。矩阵的运算次序一般不可互换。,数字图像处理第3章 像素空间关系黄进,35,3.2.6 变换的级连（2）,例3.2.1 求对一个点先平移、再旋转，最后反平移的变换矩阵。,数字图像处理第3章 像素空间关系黄进,36,3.2.7 变换的推广（1）,对单个点的变换可以推广到对m个点的变换。设：m个点的坐标为v1，v2，vm 下式可同时变换m个点：V=AV,数字图像处理第3章 像素空间关系黄进,37,3.2.7 变换的推广（2）,典型的坐标变换除了

23、平移、放缩和旋转外，还包括拉伸（stretch）和剪切（shearing）。坐标变换又称为3-点映射变换。将一个三角形映射为另一个三角形，而将一个矩形映射为一个平行四边形。典型的坐标变换作用于一个正方形上产生的效果如图。,图3.2.2 五种变换示意(a)平移变换，(b)旋转变换，(c)放缩变换，(d)拉伸变换，(e)剪切变换,数字图像处理第3章 像素空间关系黄进,38,作业（1）,教材：思考题和练习题（P76.）3-3 设有两个图像子集如图3-3所示，如果V=1：(1)子集P和子集Q是否：4-连通；8-连通；m-连通。(2)子集P和子集Q是否：4-连接；8-连接；m-连接。(3)如果将子集P和

24、子集Q以外的所有像素看成另一个子集R，试指出子集P和子集Q是否与子集R：4-连接；8-连接；m-连接。,图题3.3,数字图像处理第3章 像素空间关系黄进,39,作业（2）,3-4 考虑如图题3-4所示图像子集：(1)令V=0,1，计算p和q之间4-，8-，m-通路的长度；(2)令V=1,2，仍计算上述3个长度。3-5 设给定如下平移变换矩阵T和尺度变换矩阵S，分别计算对空间点（1,2,3）先平移变换后尺度变换和先尺度变换后平移变换所得到的结果，并进行比较讨论。,数字图像处理第3章 像素空间关系黄进,40,作业（3）,3-6 设给定如下平移变换矩阵T和尺度变换矩阵S，分别写出算式计算对空间点（4,5,6）先平移变换再尺度变换最后反平移变换和先尺度变换再平移变换最后反尺度变换所得到的结果。3-7(1)给出将图像顺时针旋转45度的变换矩阵；(2)如何利用上述矩阵实现图像旋转？(3)利用(1)中得到的矩阵旋转图像点(x,y)=(1,0)。,