版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
第4章图像变换(ImageTransform)
4.1连续傅里叶变换(CFT)4.3离散傅里叶变换(DFT)4.5离散余弦变换(DCT)4.6离散沃尔什变换(DWT)4.4快速傅里叶变换(FFT)4.2傅里叶变换的性质图像变换的引入对图象信息进行变换,使能量保持但重新分配。图像变换的定义将图像从空域变换到其它域(如频域)的数学变换
图像变换的目的人类视觉所感受到的是在空间域和时间域的信号。但是,往往许多问题在频域中讨论时,有其非常方便分析的一面。
1.方便处理
2.便于抽取特性
图像变换在图像处理中的应用提取图象特征:(1)直流分量:f(x,y)的平均值=F(0,0);(2)目标物边缘:F(u,v)高频分量。图像压缩:正交变换能量集中,对集中(小)部分进行编码。3.图象增强:低通滤波,平滑噪声;高通滤波,锐化边缘。常用的变换傅立叶变换(FourierTransform,FT)2.离散余弦变换(DiscreteCosineTransform,DCT)3.沃尔什变换(WalshTransform,WT)
Fourier变换的作用(1)可以得出信号在各个频率点上的强度。(2)可以将卷积运算化为乘积运算。(3)傅氏变换和线性系统理论是进行图像恢复和重构的重要手段。(4)Fourier变换能使我们从空间域与频率域两个不同的角度来看待图像的问题,有时在空间域无法解决的问题在频域却是显而易见的。4.1连续傅里叶变换(CFT)
1、一维傅立叶变换及其反变换4.1连续傅里叶变换(CFT)
设f(x)为x的函数,如果f(x)满足下面的狄里赫莱条件:(1)具有有限个间断点(2)具有有限个极值点(3)绝对可积则有下列二式成立:如果令w=2πu,则有函数f(x)和F(u)被称为傅立叶变换对。即对于任一函数f(x),其傅立叶变换F(u)是惟一的;反之,对于任一函数F(u),其傅立叶逆变换f(x)也是惟一的。4.1连续傅里叶变换(CFT)
函数f(x)是实函数,F(u)一般是复函数,可用下式表示:指数形式:实部:虚部:4.1连续傅里叶变换(CFT)
振幅(Fourier谱)4.1连续傅里叶变换(CFT)
相位(谱)
能量(能量谱、功率谱)4.1连续傅里叶变换(CFT)
例1矩形函数的Fourier频谱结论:一个“窄”的函数有一个“宽”的频谱4.1连续傅里叶变换(CFT)
例2周期函数的Fourier频谱结论:1、只要满足一定条件,连续函数就可以进行傅立叶变换,实际上这个条件在工程应用中很容易满足。2、连续非周期函数的傅立叶谱是连续的非周期函数,连续的周期函数的傅立叶谱是离散的非周期函数。4.1连续傅里叶变换(CFT)
F=fft(f);f=ifft(F)F=fft2(f);f=ifft2(F)
式中是频率变量。与一维的情况一样,二维函数的傅里叶谱、能量和相位谱为:4.1连续傅里叶变换(CFT)
如果二维函数f(x,y)满足狄里赫莱条件,且F(u,v)可积,则将有下面的傅立叶变换对存在:2、二维傅立叶变换及其反变换傅里叶频谱(幅度谱):相位:能量谱:4.1连续傅里叶变换(CFT)
4.2傅里叶变换的性质
可分离性线性性共轭对称性比例变换性旋转不变性能量保持定理
位移定理卷积定理相关定理微分性质可分离性:一个二维傅里叶变换可用二次一维傅里叶变换来实现。x轴变换y轴变换4.2傅里叶变换的性质
线性性:Fourier变换是线性算子。4.2傅里叶变换的性质
空域或时域中的加法在频域中仍然是加法。
如果是的傅里叶变换,是傅里叶变换的共轭函数,那么
共轭对称性4.2傅里叶变换的性质
比例变换特性
4.2傅里叶变换的性质
在空间比例尺度的展宽,相应于频域中比例尺度的压缩,其幅值也减少为原来的如果空间域函数旋转的角度为,那么在变换域中此函数的傅里叶变换也旋转同样的角度,即
4.2傅里叶变换的性质
旋转不变性:
4.2傅里叶变换的性质
原始图像原始图像的Fourier频谱旋转后图像的Fourier频谱旋转45°的图像
位移定理
4.2傅里叶变换的性质
当空域中f(x,y)产生移动时,在频域中只发生相移,而傅立叶变换的幅值不变;反之,当频域中F(u,v)产生移动时,相应的f(x,y)在空域中也只发生相移,而幅值不变。4.2傅里叶变换的性质
平移前图像平移前图像的Fourier频谱平移后图像平移后图像的Fourier频谱
帕斯维尔(Parseval)定理(能量保持定理)
这个性质说明变换前后并不损失能量.4.2傅里叶变换的性质
卷积定理
如果f(x)和g(x)是一维时域函数,f(x,y)和g(x,y)是二维空域函数,那么,定义以下二式为卷积函数,即4.2傅里叶变换的性质
由此,可得到傅里叶变换的卷积定理如下4.2傅里叶变换的性质
两个二维连续函数在空间域中的卷积可用求其相应的两个傅立叶变换乘积的逆变换而得;反之,在频域中的卷积可用空间域中乘积的傅立叶变换而得。避免了直接计算卷积的麻烦,只需要先算出各自的频谱,然后相乘,再求其逆变换,即可得到卷积。
f(x)和g(x)为两个一维时域函数;f(x,y)和g(x,y)为两个二维空域函数,那么,定义下二式为相关函数4.2傅里叶变换的性质
相关定理
由以上定义引出傅里叶变换的一个重要性质——相关定理:4.2傅里叶变换的性质
4.2傅里叶变换的性质
微分性质
设为一数字序列,则其离散Fourier变换和反变换定义为:4.3离散傅里叶变换(DFT)
傅里叶频谱:
相位:能量谱4.3离散傅里叶变换(DFT)
二维离散傅里叶变换和反变换定义为:4.3离散傅里叶变换(DFT)
离散的情况下,Fourier变换和反变换始终存在。二维函数的离散傅里叶谱、能量和相位谱为:傅里叶频谱:相位:能量谱:
4.3离散傅里叶变换(DFT)
例4.1一个简单二维函数的中心谱。图4.1(a)显示了在像素尺寸的黑色背景上叠加一个像素尺寸的白色矩形。图4.1(a)4.3离散傅里叶变换(DFT)
此图像在进行傅里叶变换的计算之前被乘以,从而可以使频率谱关于中心对称,如图4.1(b)所示。在图4.1(b)中,方向谱的零点分割恰好是方向零点分隔的两倍。
4.3离散傅里叶变换(DFT)
符合图像中的矩形尺寸比例。在显示之前频率谱用式中的对数变换处理以增强灰度级细节。变换中使用的值可以降低整体强度。在本章显示的多数傅里叶频率谱都用对数变换进行了相似的处理。4.3离散傅里叶变换(DFT)
例4.2图象的二维离散傅立叶频谱。%读入原始图象I=imread(‘i_peppers_gray.bmp’);imshow(I)%求离散傅立叶频谱J=fftshift(fft2(I));
%对原始图象进行二维傅立叶变换,并将其坐标原点移到频谱图中央位置figure(2); imshow(log(abs(J)),[8,10])其结果如图4.2所示
(a)原始图像(b)离散傅里叶频谱图4.2二维图像及其离散傅里叶频谱的显示
4.3离散傅里叶变换(DFT)
1可分离性(Separability)4.3离散傅里叶变换(DFT)
F(x, v)图4.5由2步1-D变换计算2-D变换4.3离散傅里叶变换(DFT)
2平移性质(Translation)与一个指数相乘等于将变换后的频率域中心移到新的位置。的平移将不改变频谱的幅值(amplitude)。4.3离散傅里叶变换(DFT)
在数字图像处理中,我们常常将F(u,v)的原点移到N×N频域方阵的中心,以使能清楚地分析傅立叶变换谱的情况,只需令:u0=v0=N/2则即:如果将图像频谱的原点从起点(0,0)移到图像中心点(N/2,N/2),只要f(x,y)乘上(-1)(x+y)因子进行傅立叶变换即可.4.3离散傅里叶变换(DFT)
傅里叶变换和反变换均以为周期,即
3周期性和共轭对称性表明:尽管F(u,v)有无穷多个u和v的值重复出现,但只需根据在任一个周期里的N个值就可以从F(u,v)得到f(x,y)。4.3离散傅里叶变换(DFT)
如果f(x,y)是实函数,则它的傅里叶变换具有共轭对称性
4.3离散傅里叶变换(DFT)
4旋转性质(Rotation)
上式表明,对旋转一个角度对应于将其傅里叶变换也旋转相同的角度4.3离散傅里叶变换(DFT)
例4.4二维离散傅立叶变换的旋转性(具体程序参见书)。
(a)原始图像(b)原图像的(c)旋转后的图像(d)旋转后图像的傅里叶频谱傅里叶频谱4.3离散傅里叶变换(DFT)
左边均为原始图像,右边分别是他们变换后的谱分布。图(a)是中心为一小正方形,周边为空;图(c)是中心为斜置的小矩形。谱分布中,最亮区域表示其变换后的幅值最大。对(c)傅里叶变换后中心移到零点后的结果,我们可以发现当长方形旋转了时,频谱也跟着旋转,此实例验证了傅里叶变换的旋转性。4.3离散傅里叶变换(DFT)
5分配律(DistributionLaw)4.3离散傅里叶变换(DFT)
6尺度变换(Scaling)
4.3离散傅里叶变换(DFT)
【例4.5】比例尺度展宽。(a)原始图像
(b)比例尺度展宽前的频谱
(c)比例尺度a=0.1,b=1,展宽后的频谱4.3离散傅里叶变换(DFT)
对一个2-D离散函数,其平均值可用下式表示:
当正反变换采用相同的标度数时,傅里叶变换域原点的频谱分量为:
7平均值(AverageValue)4.3离散傅里叶变换(DFT)
两式比较可得:
也就是说,频谱的直流成分倍于图像平面的亮度平均值。在使用诸如高通滤波器的场合,其值会衰减,因为图像的亮度在很大程度上受到影响,采用对比度拉伸的方法可以缓和这种衰减。
4.3离散傅里叶变换(DFT)
8
卷积定理(ConvolutionTheorem)卷积定理是线性系统分析中最重要的一条定理。下面先考虑一维傅里叶变换:
4.3离散傅里叶变换(DFT)
4.4快速傅里叶变换(FFT)
离散傅立叶变换已成为数字信号处理的重要工具,然而,它的计算量大,运算时间长,在某种程度上却限制了它的使用范围。快速算法大大提高了运算速度,在某些应用场合已能作实时处理,并且应用在控制系统中。快速傅立叶变换不是一种新的变换,它是离散傅立叶变换的一种算法,它是在分析离散傅立叶变换中的多余运算的基础上,进而消除这些重复工作的思想指导下得到的。例4.6对一副图进行傅里叶变换,求出其频谱图,然后利用平移性质,在原图的基础上乘以求傅里叶变换的频谱图。
(a)原图(b)频谱图(c)中心移到零点的频谱图图4.8二维离散傅里叶变换结果中频率成分分布示意图4.5图像傅里叶变换实例
4.5图像傅里叶变换实例
观察频谱图可知,在未平移前,图(b)坐标原点在窗口的左上角,即变换后的直流成分位于左上角,而窗口的四角分布低频成分。对原图乘以后进行傅里叶变换,观察频谱图(c)可知,变换后的坐标原点移至频谱图窗口中央,因而围绕坐标原点是低频,向外是高频。图像的能量主要集中在低频区,即图像的中央位置,而相对的高频区(左上、右上、左下、右下四个角)的幅值很小或接近于0。例4.7:图4.8(a)乘以一指数,将图像亮度整体变暗,并求其中心移到零点的频谱图。(a)变暗后的图(b)变暗后中心移到零点的频谱图图4.9二维离散傅里叶变换结果中频率成分分布示意图4.5图像傅里叶变换实例
4.5图像傅里叶变换实例
将原图(a)函数乘以,结果如图4.9(a)所示。对其亮度平均变暗后的图像进行傅里叶变换,并将坐标原点移到频谱图中央位置,结果如图4.9(b)所示。对比图4.8(c)和4.9(b)后,可以看出当图片亮度变暗后,中央低频成分变小。故从中可知,中央低频成分代表了图片的平均亮度,当图片亮度平均值发生变化时,对应的频谱图中央的低频成分也发生改变。例4.8:图4.8(a)加入高斯噪声,得出一个有颗粒噪音的图,并求其中心移到零点的频谱图。(a)有颗粒噪音(b)有颗粒噪音中心移到零点的频谱图图4.10二维离散傅里叶变换结果中频率成分分布示意图4.5图像傅里叶变换实例
4.5图像傅里叶变换实例
图像如果存在有明显的颗粒噪声,变换后的高频幅值数值增加,分布增多。由此得出:图像灰度变换缓慢的区域,对应变换后的低频分量部分;图像灰度呈阶跃变换的区域,对应变换后的高频分量部分。除颗粒噪声外,图像细节的边缘、轮廓处都是灰度变换突变区域。他们都具有变换后的高频分量特征。例4.9:对一副图片求其幅值谱和相位谱,并对幅值谱和相位谱分别进行图像构,对比其所求结果。(a)原图4.5图像傅里叶变换实例
4.5图像傅里叶变换实例
(b)幅值谱(c)相位谱(d)幅值谱重构图像(e)相位谱重构图像图4.11傅里叶图像及其傅里叶变换4.5图像傅里叶变换实例对图4.11(a)进行离散傅里叶变换,得出幅值谱图(b),相位谱图(d)及幅值谱重构图像图(c),相位谱重构图像图(e)。从实验结果可以看出,从幅值谱图像中得到的信息比在相位谱图像中得到的信息多,但对幅值谱图像重构后,即忽略相位信息,将其设为30,所得到的图像与原始图像相比,结果差别很大;而对相位谱图像重构后,及忽略幅值信息,将其设为常数,可以从中看出图像的基本轮廓来。结论1——信号在频域中的表现在频域中,频率越大说明原始信号变化速度越快;频率越小说明原始信号越平缓。当频率为0时,表示直流信号,没有变化。因此,频率的大小反应了信号的变化快慢。高频分量解释信号的突变部分,而低频分量决定信号的整体形象。在图像处理中,频域反应了图像在空域灰度变化剧烈程度,也就是图像灰度的变化速度,也就是图像的梯度大小。对图像而言,图像的边缘部分是突变部分,变化较快,因此反应在频域上是高频分量;图像的噪声大部分情况下是高频部分;图像平缓变化部分则为低频分量。结论1——信号在频域中的表现
傅立叶变换提供另外一个角度来观察图像,可以将图像从灰度分布转化到频率分布上来观察图像的特征。即:傅里叶变换提供了一条从空域到频域自由转换的途径。1、图像增强和图像去噪
Fourier变换后的图像,中间部分为低频部分,越靠外边频率越高。因此,我们可以在Fourier变换图中,选择所需要的高频或是低频滤波。
通过低通滤波器来滤除高频——噪声;边缘也是图像的高频分量,可以通过添加高频分量来增强原始图像的边缘。结论2——Fourier变换的作用Fourier变换的高通滤波Fourier变换的低通滤波2、图像压缩变换系数刚好表现的是各个频率点上的幅值。在小波变换没有提出时,用来进行压缩编码。考虑到高频反映细节、低频反映景物概貌的特性。往往认为可将高频系数置为0,骗过人眼。结论2——Fourier变换的作用压缩率为:1.7:1压缩率为:2.24:1压缩率为:3.3:1Fourier变换进行图像压缩压缩率为:8.1:1压缩率为:10.77:1压缩率为:16.1:1Fourier变换进行图像压缩3、快速计算卷积
直接进行时域中的卷积运算是很复杂的。傅立叶变换将时域的卷积变换为频域的乘积。结论2——Fourier变换的作用4、图像边缘检测和特征提取
提取图像高频分量形状特征:傅里叶描述子纹理特征:直接通过傅里叶系数来计算纹理特征其他特征:将提取的特征值进行傅里叶变换来使特征具有平移、伸缩、旋转不变性结论2——Fourier变换的作用4.6离散余弦变换(DCT)傅立叶变换的一个最大的问题是:它的参数都是复数,在数据的描述上相当于实数的两倍。为此,我们希望有一种能够达到相同功能但数据量又不大的变换。离散余弦变换(DiscreteCosineTransform-简称DCT)是傅里叶变换的一种特殊情况。在傅里叶级数展开式中,被展开的函数是实偶函数时,其傅里叶级数中只包含余弦项,称之为余弦变换。4.6离散余弦变换(DCT)DCT计算复杂性适中,又具有可分离特性,还有快速算法,所以被广泛地用在图象数据压缩编码算法中。其变换核是为实数的余弦函数,因而DCT的计算速度比DFT快得多。
一维离散余弦变换:4.6离散余弦变换(DCT)4.6离散余弦变换(DCT)式中是第个余弦变换系数,是广义频率变量,;是时域点实序列.
一维离散余弦反变换:4.6离散余弦变换(DCT)
二维离散余弦变换:4.6离散余弦变换(DCT)4.6离散余弦变换(DCT)
二维离散余弦反变换:如果令N=4,由一维解析式定义可得如下展开式:写成矩阵形式:[F(u)]=[A][f(x)]4.6离散余弦变换(DCT)同理,可得到反变换展开形式:写成矩阵形式:[f(x)]=[A]T[F(u)]4.6离散余弦变换(DCT)一维离散余弦变换的矩阵定义式:4.6离散余弦变换(DCT)二维离散余弦变换的成矩阵定义式:4.6离散余弦变换(DCT)余弦变换的计算:1、把f(x)延拓成,长度为2N2、求的2N点FFT3、对u各项乘上对应的因子
4、取实部,并乘上因子5、取F(u)的前N项,即维f(x)的余弦变换4.6离散余弦变换(DCT)(a)原始图像(b)余弦变换系数(c)余弦反变换恢复图像图4.12二维离散余弦变换
4.6离散余弦变换(DCT)
例4.10:说明二维余弦正反变换在Matlab中的实现。4.6离散余弦变换(DCT)
由图4.12(b)可知,离散余弦变换具有很强的“能量集中”特性,能量主要集中在左上角处,因此在实际图像应用中,能量不集中的地方可在余弦编码中忽略,可通过对mask矩阵变换来实现,即将mask矩阵左上角置1,其余全部置0。然后通过离散余弦反变换后,图像得到恢复,图(c)恢复图像与图(a)原
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026年网络安全常识题库(含答案)
- 2026年金华市级机关基层遴选公务员考试模拟题及答案
- 2026年达州国企笔试题库(含答案)
- 2026年才士题库安全员考试及答案
- 2026年收银审核员技师题库及参考答案
- 2026年司法考试模拟题(含答案)
- 2026年java学习考试题库带答案
- 2026年人工智能考评员题库(含答案)
- 2026年学年广东省潮州市统招专升本教育理论自考模拟题(含答案)
- 2026事业单位人事岗面试历年真题及答案
- 艾灸治疗鼻炎
- 《相似植物如何区别》课件
- 驾驶员素质提升培训
- My family幼儿园家庭成员介绍手抄报
- 国家安全教育大学生读本-第一章完全准确领会总体国家安全观
- 2016年公务员国考《申论》真题卷及答案(副省级)
- 《外科学》教案:第七章 麻醉
- 产后康复经络与腧穴
- 2023航标灯光强测量和灯光射程计算
- 《工业机器人技术基础》第5章 工业机器人控制系统课件
- 化工传递过程基础全部
评论
0/150
提交评论