数字图像处理 - 仿射变换

最新推荐文章于 2025-01-13 21:36:33 发布

且听风吟0618

最新推荐文章于 2025-01-13 21:36:33 发布

阅读量3.8k

点赞数 6

分类专栏：图像处理文章标签：数字图像处理

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/jack__linux/article/details/107959737

版权

本文深入探讨了数字图像处理中的仿射变换，解释了线性变换的概念，并通过实例展示了仿射变换的过程。内容包括仿射变换的矩阵表示、前向映射与反向映射，以及在神经网络模型中的相关讨论。此外，还提到了不同的插值算法在处理非整数坐标时的作用。

摘要由CSDN通过智能技术生成

几何变换

几何变换 = 坐标的空间变换（最常用的就是 仿射变换） + 插值

仿射变换

设 (x, y) 为原图像中的坐标， (v,w) 为变换后图像中的坐标，图像的仿射变换可以表示为：

$\left\{\begin{matrix} x=a_1v+b_1w+c_1 \\ \\ y=a_2v+b_2w+c_2 \end{matrix}\right.$

对应的矩阵表示为：

$\begin{bmatrix} x & y & 1 \end{bmatrix}=\begin{bmatrix} v & w & 1 \end{bmatrix} \begin{bmatrix} a_1 & a_2 & 0 \\ b_1 & b_2 & 0 \\ c_1 & c_2 & 1 \end{bmatrix}=\begin{bmatrix} v & w & 1 \end{bmatrix} T$

【注】： $\begin{bmatrix} u & w & 1 \end{bmatrix}$ 添加 1 是为了和平移变换中的维度对其， $\begin{bmatrix} x & y & 1 \end{bmatrix}$ 添加 1 只是为了和 $\begin{bmatrix} u & w & 1 \end{bmatrix}$ 对应。

其中 T 可以有如下几种形式（皆为线性变换）：

什么是线性变换？

设算子

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。