圖像的幾何失真校正

1、精選優(yōu)質(zhì)文檔-傾情為你奉上 專業(yè)班級(jí)： 10 信 息 安 全 學(xué)生姓名： 王 猛 濤 學(xué)生學(xué)號(hào)： _ 049 _ 指導(dǎo)教師： 姚 孝 明 完成時(shí)間：2022年3月1日 圖像的幾何失真校正數(shù)字圖像處理實(shí)驗(yàn)八：圖像的幾何失真校正1、 實(shí)驗(yàn)?zāi)康?. 熟練掌握MATLAB圖像處理工具箱中的imresize函數(shù)與imrotate函數(shù)。2. 根據(jù)自己編寫的程序，選定圖像進(jìn)行放大或縮小，進(jìn)一步理解圖像縮小、放大與旋轉(zhuǎn)操作的原理。二、實(shí)驗(yàn)主要儀器設(shè)備1. 微型計(jì)算機(jī)：Intel Pentium及更高。2. MATLAB軟件（含圖像處理工具箱）。三、實(shí)驗(yàn)原理1. imresize函數(shù)imrersize函數(shù)使用由

2、參數(shù)method指定的插值運(yùn)算來改變圖像的大小。method的幾種可選值： 'nearest'（默認(rèn)值）最近鄰插值 'bilinear'雙線性插值 'bicubic'雙三次插值B = imresize(A,m)表示把圖像A放大m倍B = imresize(.,method,h)中的h可以是任意一個(gè)FIR濾波器（h通常由函數(shù)ftrans2、fwind1、fwind2、或fsamp2等生成的二維FIR濾波器）。2. imrotate函數(shù)函數(shù)功能：對(duì)進(jìn)行旋轉(zhuǎn)操作。在matlab命令窗口中鍵入help imrotate 或 doc imrotate或lo

3、okfor imrotate可以獲得該函數(shù)幫助信息。 調(diào)用格式： B = imrotate(A,angle) 將圖像A（圖像的數(shù)據(jù)矩陣）繞圖像的中心點(diǎn)旋轉(zhuǎn)angle度， 正數(shù)表示逆時(shí)針旋轉(zhuǎn)， 負(fù)數(shù)表示順時(shí)針旋轉(zhuǎn)。返回旋轉(zhuǎn)后的圖像矩陣。 以這種格式調(diào)用該函數(shù)， 該函數(shù)默認(rèn)采用最近鄰線性插值（Nearest-neighbor interpolation）。旋轉(zhuǎn)后的圖像超出的部分填充0（黑色）。 B = imrotate(A,angle,method) 使用method參數(shù)可以改變插值算法，method參數(shù)可以為下面這三個(gè)值： 'nearest'：最鄰近線性插值（Nearest-ne

4、ighbor interpolation） 'bilinear'： 雙線性插值（Bilinear interpolation） 'bicubic'： （或叫做雙立方插值）（Bicubic interpolation） B = imrotate(A,angle,method,bbox) bbox參數(shù)用于指定輸出圖像屬性： 'crop'： 通過對(duì)旋轉(zhuǎn)后的圖像B進(jìn)行裁剪， 保持旋轉(zhuǎn)后輸出圖像B的尺寸和輸入圖像A的尺寸一樣。 'loose'： 使輸出圖像足夠大， 以保證旋轉(zhuǎn)后超出范圍的像素值沒有丟失。 一般上這種格式產(chǎn)生的圖像的尺寸都要大

5、于源圖像的尺寸。3. 最近鄰插值算法最簡單的插值法是最近鄰插值法，也叫零階插值法。即選擇離它所映射到的位置最近的輸入像素的灰度值為插值結(jié)果。對(duì)二維圖像，是取待測樣點(diǎn)周圍4 個(gè)相鄰像素點(diǎn)中距離最近1 個(gè)相鄰點(diǎn)的灰度值作為待測樣點(diǎn)的像素值。若幾何變換后輸出圖像上坐標(biāo)為(x,y)的對(duì)應(yīng)位置為（m，n）。4. 雙線性插值算法雙線性插值又叫一階插值法，它要經(jīng)過三次插值才能獲得最終結(jié)果，是對(duì)最近鄰插值法的一種改進(jìn)，先對(duì)兩水平方向進(jìn)行一階線性插值，然后再在垂直方向上進(jìn)行一階線性插值。插值算法所應(yīng)用的領(lǐng)域較多，對(duì)圖像進(jìn)行縮放處理是比較典型的應(yīng)用，由于圖像像素的灰度值是離散的, 因此一般的處理方法是對(duì)原來在整數(shù)

6、點(diǎn)坐標(biāo)上的像素值進(jìn)行插值生成連續(xù)的曲面, 然后在插值曲面上重新采樣以獲得縮放圖像像素的灰度值?？s放處理從輸出圖像出發(fā)，采用逆向映射方法，即在輸出圖像中找到與之對(duì)應(yīng)的輸入圖像中的某個(gè)或某幾個(gè)像素，采用這種方法能夠保證輸出圖像中的每個(gè)像素都有一個(gè)確定值，否則，如果從輸入圖像出發(fā)來推算輸出圖像，輸出圖像的像素點(diǎn)可能出現(xiàn)無灰度值的情況。因?yàn)椋瑢?duì)圖像進(jìn)行縮放處理時(shí)輸出圖像像素和輸入圖像之間可能不再存在著一一對(duì)應(yīng)關(guān)系。四、實(shí)驗(yàn)內(nèi)容1. 自選圖像練習(xí)使用MATLAB圖像處理工具箱中的imresize函數(shù)與imrotate函數(shù)。2. 自選圖片，按隔行（列）采樣的方法，編寫縮小1/4的程序。 3. 編寫放大長寬

7、各1.5倍的程序，分別采用最小近鄰插值法與雙線性插值法。五、實(shí)驗(yàn)結(jié)果與分析1. imresize函數(shù)與imrotate函數(shù)的使用選定圖片football_iverse.jpg，調(diào)用函數(shù)imresize與imrotate（詳見程序附錄一），得到如下結(jié)果（如下圖1所示）：圖 1 調(diào)用函數(shù)imresize與imrotate運(yùn)行結(jié)果截圖2. 自選圖片，按隔行（列）采樣的方法，編寫縮小1/4的程序。本次選定圖片cameraman.tif（256*256），先隔行抽樣，圖像大小變?yōu)?28*256（縮小為原來的1/2），再隔列取樣，圖像大小由128*256再變?yōu)?28*128（縮小為原來的1/4）。根據(jù)上述

8、思路，我們編寫相應(yīng)的MATLAB程序（具體見附錄二），運(yùn)行后結(jié)果如下（見下圖2所示）。圖 2 圖像采樣結(jié)果3. 編寫放大長寬各1.5倍的程序，分別采用最小近鄰插值法與雙線性插值法。（1） 最小近鄰插值法根據(jù)前面提到的最小近鄰插值法的原理，我們將擴(kuò)大的圖像的像素值反映射回原來的圖像，找出對(duì)應(yīng)的像素點(diǎn)（可能為分?jǐn)?shù)點(diǎn)），將對(duì)應(yīng)分?jǐn)?shù)點(diǎn)上的像素值填充到擴(kuò)大的圖像中。確定分?jǐn)?shù)點(diǎn)的灰度值：從分?jǐn)?shù)點(diǎn)四周的四個(gè)整數(shù)點(diǎn)中，選擇距離分?jǐn)?shù)點(diǎn)最近的整數(shù)點(diǎn)的值作為分?jǐn)?shù)點(diǎn)的灰度值。由上編寫相應(yīng)的MATLAB程序（詳見附錄三），運(yùn)行后所得結(jié)果如下（如下圖3所示）：圖 3 最小近鄰插值結(jié)果（放大后圖像出現(xiàn)了模糊的“馬賽克”現(xiàn)象

9、）（2） 雙線性插值法依據(jù)前面所述的雙線性插值法的原理，我們將擴(kuò)大的圖像的像素值反映射回原來的圖像，找出對(duì)應(yīng)的像素點(diǎn)（可能為分?jǐn)?shù)點(diǎn)），將對(duì)應(yīng)分?jǐn)?shù)點(diǎn)上的像素值填充到擴(kuò)大的圖像中。確定分?jǐn)?shù)點(diǎn)的灰度值：用分?jǐn)?shù)點(diǎn)周圍4個(gè)鄰點(diǎn)的灰度值加權(quán)內(nèi)插作為灰度校正值。根據(jù)上述思路，編寫相應(yīng)的MATLAB程序（詳見附錄四），運(yùn)行后所得結(jié)果如下（如下圖4所示）：圖 4 雙線性插值法處理后的結(jié)果4. 結(jié)果分析做完上述實(shí)驗(yàn)，我們通過分析對(duì)比，得到如下結(jié)論：1）MATLAB圖像處理工具箱中的imresize函數(shù)和imrotate函數(shù)可以較為方便地對(duì)圖像進(jìn)行放大、縮小、旋轉(zhuǎn)等多種處理操作。2）圖像經(jīng)過幾何位置校正后，在校正空

10、間中各像素點(diǎn)的灰度值等于被校正圖像對(duì)應(yīng)點(diǎn)的灰度值，而某些像素點(diǎn)可能分布不均勻，不會(huì)恰好落在坐標(biāo)點(diǎn)上。最近鄰點(diǎn)法和雙線性插值法可以很好的解決非整數(shù)點(diǎn)灰度值的校正。3）與最近鄰點(diǎn)法相比，雙線性插值法幾何校正灰度是連續(xù)的（與imresize函數(shù)結(jié)果比較接近），但計(jì)算量較大，并且圖像輪廓也會(huì)較為模糊，會(huì)出現(xiàn)比最小近鄰插值法更強(qiáng)的“馬賽克”效應(yīng)。附錄：附錄一：%調(diào)用MATLAB圖像處理工具箱中的imresize函數(shù)和imrotate函數(shù)對(duì)圖像進(jìn)行縮小、放大、%旋轉(zhuǎn)變換clc,clear allI=imread('football_iverse.jpg');figure,imshow(I)

11、;title('原始圖像');J=imresize(I,0.5);P=imresize(I,1.5);figure,imshow(J);title('將原圖像縮小0.5倍');figure,imshow(P);title('將原圖像放大1.5倍');xlabel('觀察發(fā)現(xiàn)：圖像出現(xiàn)了"馬賽克"現(xiàn)象');Q=imrotate(I,45);figure,imshow(Q);title('逆時(shí)針旋轉(zhuǎn)45度后的圖像');附錄二：%對(duì)圖像進(jìn)行隔行隔列采樣，把原圖像縮小為原圖像的1/4clc,clear

12、allI=imread('cameraman.tif');s=size(I);J=zeros(s(1)/2,s(2);%隔行采樣for i=1:s(1)/2 for j=1:s(2) if mod(i,2)=0 J(i,j)=I(2*(i-1)+1,j); else J(i,j)=I(2*i-1,j); end endend%隔列采樣T=zeros(s(1)/2,s(2)/2);for i=1:s(1)/2 for j=1:s(2)/2 if mod(j,2)=0 T(i,j)=J(i,2*(j-1)+1); else T(i,j)=J(i,2*j-1); end endend

13、figure,imshow(uint8(I);title('原始圖像');figure,imshow(uint8(J);title('隔行采樣后的結(jié)果');figure,imshow(uint8(T);title('再隔列采樣后的結(jié)果');附錄三：%最小近鄰插值法clc,clear allI=imread('tire.tif');s=size(I);m=1.5*s(1);n=1.5*s(2);J=zeros(m,n);for i=1:m for j=1:n J(i,j)=I(round(i/1.5),round(j/1.5); e

14、ndendfigure,imshow(I);title('原始圖像');figure,imshow(uint8(J);title('最小近鄰插值后的圖像');xlabel('長和寬各放大為原來的1.5倍');附錄四：%雙線性插值法clc,clear allI=imread('cameraman.tif');s=size(I);m=1.5*s(1);n=1.5*s(2);J=zeros(m,n);for i=1:m-1 for j=1:n-1 p=abs(i/1.5-round(i/1.5); q=abs(j/1.5-round(j/1.5); J(i,j)=(1-p)*(1-q)*I(round(i/1.5),round(j/1.5)+. p*(1-q)*I(round(i/1.5),round(j/1.5)+. (1