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： 10 信 息 安 全 學生姓名： 王 猛 濤 學生學號： _ 049 _ 指導教師： 姚 孝 明 完成時間：2022年3月1日 圖像的幾何失真校正數(shù)字圖像處理實驗八：圖像的幾何失真校正1、 實驗目的1. 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，選定圖像進行放大或縮小，進一步理解圖像縮小、放大與旋轉(zhuǎn)操作的原理。二、實驗主要儀器設備1. 微型計算機：Intel Pentium及更高。2. MATLAB軟件（含圖像處理工具箱）。三、實驗原理1. imresize函數(shù)imrersize函數(shù)使用由

2、參數(shù)method指定的插值運算來改變圖像的大小。method的幾種可選值： 'nearest'（默認值）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：對進行旋轉(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）繞圖像的中心點旋轉(zhuǎn)angle度， 正數(shù)表示逆時針旋轉(zhuǎn)， 負數(shù)表示順時針旋轉(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'： 通過對旋轉(zhuǎn)后的圖像B進行裁剪， 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。對二維圖像，是取待測樣點周圍4 個相鄰像素點中距離最近1 個相鄰點的灰度值作為待測樣點的像素值。若幾何變換后輸出圖像上坐標為(x,y)的對應位置為（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，是對最近鄰插值法的一種改進，先對兩水平方向進行一階線性插值，然后再在垂直方向上進行一階線性插值。插值算法所應用的領(lǐng)域較多，對圖像進行縮放處理是比較典型的應用，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原來在整數(shù)

6、點坐標上的像素值進行插值生成連續(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。縮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應的輸入圖像中的某個或某幾個像素，采用這種方法能夠保證輸出圖像中的每個像素都有一個確定值，否則，如果從輸入圖像出發(fā)來推算輸出圖像，輸出圖像的像素點可能出現(xiàn)無灰度值的情況。因為，對圖像進行縮放處理時輸出圖像像素和輸入圖像之間可能不再存在著一一對應關(guān)系。四、實驗內(nèi)容1. 自選圖像練習使用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、實驗結(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，我們編寫相應的MATLAB程序（具體見附錄二），運行后結(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，我們將擴大的圖像的像素值反映射回原來的圖像，找出對應的像素點（可能為分數(shù)點），將對應分數(shù)點上的像素值填充到擴大的圖像中。確定分數(shù)點的灰度值：從分數(shù)點四周的四個整數(shù)點中，選擇距離分數(shù)點最近的整數(shù)點的值作為分數(shù)點的灰度值。由上編寫相應的MATLAB程序（詳見附錄三），運行后所得結(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，我們將擴大的圖像的像素值反映射回原來的圖像，找出對應的像素點（可能為分數(shù)點），將對應分數(shù)點上的像素值填充到擴大的圖像中。確定分數(shù)點的灰度值：用分數(shù)點周圍4個鄰點的灰度值加權(quán)內(nèi)插作為灰度校正值。根據(jù)上述思路，編寫相應的MATLAB程序（詳見附錄四），運行后所得結(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)果分析做完上述實驗，我們通過分析對比，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)可以較為方便地對圖像進行放大、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、間中各像素點的灰度值等于被校正圖像對應點的灰度值，而某些像素點可能分布不均勻，不會恰好落在坐標點上。最近鄰點法和雙線性插值法可以很好的解決非整數(shù)點灰度值的校正。3）與最近鄰點法相比，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），但計算量較大，并且圖像輪廓也會較為模糊，會出現(xiàn)比最小近鄰插值法更強的“馬賽克”效應。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)對圖像進行縮小、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('逆時針旋轉(zhuǎn)45度后的圖像');附錄二：%對圖像進行隔行隔列采樣，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