图像变换（Image transformations）

1 图像变换和图像滤波（image filtering）的区别

1.1 图像滤波

图像滤波改变像素点的灰度值，不改变像素点的坐标，如下图所示。

用函数可表示为：

其中f(x)表示原图，h(x)表示滤波器

1.2 图像变换

图像变换改变像素点的坐标，不改变像素点的灰度值，如下图所示。

用函数可表示为：

其中f(x)表示原图，h(x)为图像变换

 

2、线性变换（linear transformations）

假设 p 表示原图，p' 表示变换后的图像，T为变换矩阵，即有：p=T(p')

线性变换主要分为以下几种：伸缩（scaling），旋转（rotation），镜像（Mirror）,错切（shear）

2.1 伸缩（scaling）

假设图像被放大了s，则变换矩阵可以表示为：

2.2 旋转（rotation）

图像逆时针旋转  , 旋转矩阵可以表示为：

如果顺时针转回来，旋转矩阵可以表示为：

2.3 镜像（Mirror）

2.3.1 关于Y轴镜像

2.3.2 关于Y=X轴镜像

2.4 错切（shear）

2.4.1 沿X方向的错切

2.4.2 沿Y方向的错切

2.5 线性变换的特性

• 原点映射到原点
• 线映射到线
• 平行线保持平行
• 比率保持
• 可以组合变换

 

3、仿射变换（仿射变换）

线性变换无法表示图像的平移（translation）

其变换无法用一个2*2的矩阵表示。

3.1 齐次坐标（homogeneous coordinates)

如果增加坐标轴，在更高的维度表示就可以了。

或者

其含义如下图所示：

增加一个坐标后，图像的变换可以表示为：

如果变换矩阵的最后一行为 [0,0,1] ，则被称为仿射变换。

3.2 平移（translation）

平移变换可以使用如下等式表示：

3.3 基本的仿射变换

仿射变换=线性变换+平移

3.4 仿射变换的性质

• 仿射变换包含线性变换和平移
• 原点不一定映射到原点
• 线映射到线
• 平行线保持平行
• 比率保持
• 可以组合变换

 

4、射影变换（Projective Transformations）

4.1 射影变换的一般形式

仿射变换的变换矩阵一般形式为：

射影变换的一般等式：

上面等式变形过程中，默认 。

4.2 图像有两条边平行的情况

如果图像有两条边平行的情况，则

4.3 射影变换可以转换图像的视角

4.4 射影变换的性质

• 射影变换包含仿射变换和射影扭曲
• 原点不一定映射到原点
• 线映射到线
• 平行线不一定保持平行
• 比率不一定保持不变
• 可以组合变换

 

5、Image Warping

已知图像的变换矩阵和原图，如何计算变换后的图像

用公式表示：

原图f(x,y)，变换(x’,y’) = T(x,y)，求 g(x’,y’) 或 f(T(x,y))？

5.1 Forward Warping

直接把原图的每个坐标变换到新的位置上，如果变换后的坐标不是整数，则就近取整。

这种方法会导致变换后的图像出现空洞及重叠

5.2 Inverse Warping

对于新图像的坐标（x,y), 用逆向的映射矩阵找到原图像中对应的点，如果算出来的原图像的点不在格子上，就用插值方法获得像素值。