視頻圖像處理常見(jiàn)幾何變換介紹

圖像幾何變換又稱(chēng)為圖像空間變換， 它將一幅圖像中的坐標(biāo)位置映射到另一幅圖像中的新坐標(biāo)位置． 我們學(xué)習(xí)幾何變換的關(guān)鍵就是要確定這種空間映射關(guān)系， 以及映射過(guò)程中的變換參數(shù)。

幾何變換不改變圖像的像素值， 只是在圖像平面上進(jìn)行像素的重新安排。一個(gè)幾何變換需要兩部分運(yùn)算：首先是空問(wèn)變換所需的運(yùn)算， 如平移、旋轉(zhuǎn)和鏡像等， 需要用它來(lái)表示輸出圖像與輸入圖像之間的〈像素〉映射關(guān)系：此外， 還需要使用灰度插值算法， 因?yàn)榘凑者@種變換關(guān)系進(jìn)行計(jì)算， 輸出圖像的像素可能被映射到輸入圖像的非整數(shù)坐標(biāo)上。

·圖像的平移變換

·圖像的鏡像變換

·圖像的轉(zhuǎn)置變換

·圖像的旋轉(zhuǎn)變換

·圖像的縮放

在進(jìn)行書(shū)寫(xiě)matlab代碼之前，先來(lái)了解一下圖像平移的理論基礎(chǔ)。設(shè)圖像的高度為H，寬度為W，如下所示：

我們知道，圖像是由像素組成的，而像素的集合就相當(dāng)于一個(gè)二維的矩陣，每一個(gè)像素都有一個(gè)“位置”，也就是像素都有一個(gè)坐標(biāo)。假設(shè)原來(lái)的像素的位置坐標(biāo)為（x0，y0），經(jīng)過(guò)平移量（△x，△y）后，坐標(biāo)變?yōu)椋▁1，y1），如下所示：

用數(shù)學(xué)式子表示可以表示為：

x1 = x0 + △x，

y1 = y0 + △y；

用矩陣表示為：

本來(lái)使用二維矩陣就可以了的，但是為了適應(yīng)像素、拓展適應(yīng)性，這里使用三位的向量。

式子中，矩陣：

稱(chēng)為平移變換矩陣（因子），△x和△y為平移量。

此外，我們也知道了，圖像的高度H其實(shí)也就是像素的行數(shù)，對(duì)于坐標(biāo)1≤X≤H；圖像的長(zhǎng)度也就是像素的列數(shù)，對(duì)應(yīng)坐標(biāo)1≤Y≤W。

上面是理論基礎(chǔ)，下面我們就用matlab實(shí)現(xiàn)一下圖像的平移變換，相應(yīng)的matlab代碼如下所示：

close all ;

clear all ;

clc ;

im = imread（‘F:/圖像處理/Koala.jpg’）;%讀入一幅圖

［H，W，Z］ = size（im）; % 獲取圖像大小，H為垂直方向768點(diǎn)，W為水平方向1024點(diǎn)

I=im2double（im）;%將圖像類(lèi)型轉(zhuǎn)換成雙精度

res = ones（H，W，Z）; % 構(gòu)造結(jié)果矩陣。每個(gè)像素點(diǎn)默認(rèn)初始化為1（白色）

delX = 50; % 平移量X

delY = 100; % 平移量Y

tras = ［1 0 delX; 0 1 delY; 0 0 1］; % 平移的變換矩陣

for x0 = 1 ： H%第1行到第768行

for y0 = 1 ： W%第1列到第1024列

temp = ［x0; y0; 1］;%將每一點(diǎn)的位置進(jìn)行緩存，1行1列，1行2列···1行1024列

temp = tras * temp; % 根據(jù)算法進(jìn)行，矩陣乘法：轉(zhuǎn)換矩陣乘以原像素位置

x1 = temp（1， 1）;%新的像素x1位置，也就是新的行位置（從1~768）

y1 = temp（2， 1）;%新的像素y1位置，也就是新的列位置（從1~1024）

% 變換后的位置判斷是否越界

if （x1 《= H） & （y1 《= W） & （x1 》= 1） & （y1 》= 1）%新的行位置要小于新的列位置

res（x1，y1，：）= I（x0，y0，：）;%進(jìn)行圖像平移，顏色賦值

end

end

end;

set（0，‘defaultFigurePosiTIon’，［100，100，1000，500］）;%設(shè)置窗口大小

set（0，‘defaultFigureColor’，［1 1 1］）;%設(shè)置窗口顏色

figure;%打開(kāi)一個(gè)窗口，用來(lái)顯示（多幅）圖像

subplot（1，2，1）， imshow（I），axis on ;%顯示圖片，一行兩列，第一幅

subplot（1，2，2）， imshow（res），axis on;%顯示圖片，一行兩列，第二幅

我們先來(lái)看一下效果，然后著重分析一下代碼，效果如下所示：

然后下面我們分析一下關(guān)鍵的代碼：

讀入圖像之后，得到im，我們可以看到im是一個(gè)三維的變量，包括了像素的位置（高度（即垂直長(zhǎng)度）和寬度（即水平長(zhǎng)度）），像素的顏色。（注，24位真彩圖：也是用矩陣表示，圖像像素直接用RGB顏色顯示，而不是通過(guò)顏色索引表。圖像像素的顏色用三個(gè)變量表示即（R，G，B），每個(gè)變量從0~255變化，因此一個(gè)像素也就是8bit*3=24bit，一個(gè)像素用24bit表示可以有2^24種顏色。）我們可以看到會(huì)有unit8，就是8bit的原因。

然后我們獲取圖像的大小，用H，W，Z三個(gè)變量接收，其中H接收了圖片的高度（也就是垂直長(zhǎng)度），W接收了圖片的寬度（水平長(zhǎng)度），然后Z接收了圖片的顏色值。

然后我們將圖像轉(zhuǎn)換成雙精度類(lèi)型I，這是因?yàn)槭褂秒p精度可以仿真在轉(zhuǎn)換過(guò)程中發(fā)生精度損失的問(wèn)題，也是方便我們進(jìn)行轉(zhuǎn)換。轉(zhuǎn)換之后，我們可以看到unit8的類(lèi)型別我們轉(zhuǎn)換成了double類(lèi)型。

接著，我們構(gòu)造一個(gè)圖像res矩陣，這個(gè)圖像首先進(jìn)行歸一化，也就是讓里面的元素全部為1，對(duì)于圖像，就是一張白色的圖片了。這個(gè)圖像主要是用來(lái)“保存”我們進(jìn)行位移后的圖像。

然后我們就設(shè)置平移量、構(gòu)造平移變換矩陣。這個(gè)矩陣我們根據(jù)前面的理論部分可以得到。

接著便是重點(diǎn)了，進(jìn)行平移變換。我們來(lái)一句一句解讀這個(gè)循環(huán)。當(dāng)x0=1，y0=1時(shí)，得到第一個(gè)像素的位置，也就是（x0，y0）這個(gè)像素，然后將這個(gè)像素位置進(jìn)行緩存，也就是構(gòu)造一個(gè)矩陣temp，即理論中的：

然后進(jìn)行位置轉(zhuǎn)換，也就是進(jìn)行矩陣相乘，用變換矩陣乘以原像素矩陣，得到了變換后像素矩陣：

      接著，我們需要把變換后的像素位置“提取”出來(lái)，用x1，y1進(jìn)行存儲(chǔ)；為什么要獲取位置呢？這是因?yàn)槲覀円袛噙@個(gè)像素是否越界了，也就是進(jìn)行平移之后，得到的這個(gè)像素位置是否還存在顯示區(qū)域里面，也就是我們的

if （x 《= H） & （y 《= W） & （x 》= 1） & （y 》= 1） 語(yǔ)句

當(dāng)還在顯示區(qū)域里面時(shí)，我們要進(jìn)行移位顯示：

res（x1，y1，：）= I（x0，y0，：）;%進(jìn)行圖像平移，顏色賦值

這個(gè)語(yǔ)句的含義是，把I中的RGB值（也就是顏色值）賦值給res，也就是說(shuō)，前面矩陣相乘只是移動(dòng)的像素位置，但是顏色沒(méi)有進(jìn)行移動(dòng)，這里進(jìn)行圖像顏色的平移，當(dāng)x0=1，y0=1時(shí)，把該點(diǎn)的位置圖像顏色進(jìn)行移動(dòng)過(guò)去。

當(dāng)x0=1，y0=2時(shí)，移動(dòng)第二點(diǎn)。我們可以看到，這里的代碼是：從左到右平移，也就是先進(jìn)行寬度的平移；從上到下，進(jìn)行高度的平移。當(dāng)兩個(gè)循環(huán)完成之后，圖像也就像平移完成了。

最后的代碼就是顯示圖像了，其中axis on 的意思是打開(kāi)左邊，方便我們進(jìn)行查看平移后的位置。從上面的效果我們可以得到，delx表示的高度的平移量，delx為正值時(shí)往下平移，delx為負(fù)值時(shí)往上平移；而dely表示的寬度的平移量，正值往右平移，負(fù)值往左平移。