学习OpenCV-图像变换

图像变换

图像变换(image transform，即将一幅图像转变成图像数据)的另一种表现形式。最常用的是傅里叶变换。

卷积

卷积表示对图像的每一个部分进行操作。从此意义上，图像处理的许多操作可以理解成卷积的特殊情况。一个特殊卷积是由卷积核的形式决定的。
卷积核的本质是一个大小固定、由数值参数构成的数组，数组的参考点通常位于数组的中心。数组的大小成为核支撑。技术上说，核支撑实际上仅由核数组的非0部分组成。
计算特定点的卷积值，首先将核的参考点定位到图像的第一个像素点，核的其余元素覆盖图像中其相应的局部像素点。将点的核的值与图象中相应图像点的值相乘并求和，并将结果放在对应位置。再整个图像上扫描卷积核对图像的每个点重复操作。

卷积边界

进行卷积时，默认会将源图像拷贝并扩大边界进行填充操作。

梯度和Sobel导数

导数的计算(或其近似值)是一个最重要并且基本的卷积。通常，表达微分的最常用操作是Sobel微分算子，其包含任意阶的积分及融合偏导。
Sobel导数并不是真正的导数，其真正表示的是多项式拟合。使用更大的核可以在更多像素上计算这种拟合。使用Sobel算子在较小的核上计算时精度较低。在X核Y滤波器中该问题并不严重，但在尝试估计方向导数时，由于需要使用反正切，问题就变大了。、

Scharr滤波器

使用3x3核进行图像度量时应该使用Scharr滤波器，更加准确。、

拉普拉斯算子

通常用于检测“团块”，周围更高的单点或小块使拉普拉斯算子最大；周围是更低值的点使函数的负值最大化。基于拉普拉斯算子可以进行边缘检测。

Canny算子

用于边缘检测

霍夫变换

在图像中寻找直线、圆及其他简单形状的方法。

霍夫线性变换

寻找直线

霍夫圆变换

寻找圆

重映射

将一幅图像中一个位置的像素重映射到另一个位置。常用于矫正(纠正失真)标定和立体的图像。

拉伸、收缩、扭曲和旋转

图像的几何操作。有基于2x3矩阵的仿射变换、基于3x3矩阵的透视变换或称单应性映射。后者可以当作三维平面被特定观察者感知(可能不是垂直观测)的计算方法。

仿射变换

两种情况：对图像执行变换；对点序列计算出此变换。

稠密仿射变换

对图像执行操作，需要执行平滑操作。

稀疏仿射变换

对数组进行仿射变换操作。

透视变换

由于变换需要与最后一维相除，因此在过程中会失去一维，所以不是线性变换。

密集透视变换

稀疏透视变换

离散傅里叶变换(DFT)

频谱乘法

卷积和DFT

利用DFT可以大大加快卷积运算的速度。因为空间域的卷积运算可以转化为频谱的乘法运算。在算得图像的傅里叶变换及卷积滤波器的傅里叶变换后即可在相对图像像素数目的线性时间内完成运算。

离散余弦变换(DCT)

与DFT思想相似，但结果局限于实数。

积分图像

积分图是一个数据结构，可实现子区域的快速求和。

距离变换

直方图均衡化