腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

圖文詳解matlab原始處理圖像幾何變換

更新時間：2021年07月09日 09:21:03 作者：on2way

Matlab 擅長于操作矩陣,而圖像其實就是矩陣,這篇文章主要給大家介紹了關(guān)于matlab原始處理圖像幾何變換的相關(guān)資料,需要的朋友可以參考下

（一）圖像幾何變換理論知識

（1）圖像的平移與比例

圖像的平移很簡單，平移前后的坐標(biāo)分別為（x，y）和（x',y'）,則滿足的關(guān)系式為

x'= x +Tx；

y'= y +Ty；

其中Tx與Ty分別為對應(yīng)的偏移量。

圖像的比例也很簡單，可以描述為：x'=S_x * x; y'=S_y * y;

那么上述的關(guān)系怎么用一個矩陣來表示呢？一個很重要的矩陣來了，那就是變換矩陣T，并且對于二維坐標(biāo)下的點，一般轉(zhuǎn)化為笛卡爾坐標(biāo)系下進(jìn)行計算，用一個三維點表示二維的，只不過把最后一項值置為1，這樣一個二維坐標(biāo)（x，y）就變?yōu)?nbsp;（x，y，1）了。在把上述的平移等式關(guān)系轉(zhuǎn)化為矩陣形式為：

比例等式關(guān)系為：

（2）關(guān)于旋轉(zhuǎn)變換

對于某個點，在坐標(biāo)系中的變換為（旋轉(zhuǎn)角度為θ，并且逆時針旋轉(zhuǎn)為正）：

那么可以看出，這個時候?qū)?yīng)的旋轉(zhuǎn)矩陣為T就如圖上所示。

（3）關(guān)于對稱變換

對稱變換比較簡單，還是以點的變換為例，比如變換前的點P（x，y）和變換后的點P'=（x',y'），那么對稱變換包括點關(guān)于x軸、y軸、原點、y=x、y=-x等等，點的變換可以自己推導(dǎo)下，這樣也就可以得到對應(yīng)的變換矩陣T了。

比如，關(guān)于x對稱的話，T=[1,0,0;0,-1,0;0,0,1],關(guān)于原點對稱的話，T=[-1,0,0;0,-1,0;0,0,1];關(guān)于y=x對稱的話，T=[0,1,0;1,0,0;0,0,1];等等。

（4）復(fù)合變換

下面再重點介紹下復(fù)合變換，因為有的變換不是簡單的初等變換，但是有一點需要明確的是任何復(fù)合變換都可以用初等變換一步步變換而來。比如前面的旋轉(zhuǎn)變換，旋轉(zhuǎn)點選取的是原點，這樣才有的那個公式，那要是旋轉(zhuǎn)點不是原點怎么辦？比如任一點s（X_f,Y_f）,那么點P繞著點s旋轉(zhuǎn)一定的角度θ該怎么表示呢？這里就要把這個復(fù)合變換化成為3個簡單的初等變換，具體步驟為：首先把s點平移操作至原點（這個過程中，相當(dāng)于所有的點都按照一定的方向平移了），然后相當(dāng)于在原點對平移后的P點進(jìn)行旋轉(zhuǎn)變換，變換完后再把這個店反平移回去，這樣是不是就相當(dāng)于完成了那個復(fù)合變換。此時的變換矩陣為T，則T可以看出是兩次平移矩陣T1、T2和一次旋轉(zhuǎn)矩陣T3相乘的組合，即T=T1*T3*T2，注意方向不能反，因為是矩陣相乘，反的話相乘的結(jié)果不一定相同。

那么這個時候總的變換矩陣T就是：

這個在編程實現(xiàn)原點移動位置時至關(guān)重要。

幾何變換的基礎(chǔ)知識就說到這，具體的可以再找相關(guān)文章了解。

（二）matlab編程實現(xiàn)變換

（1）對圖像的理解

Matlab表示一副圖像的方法很簡單，對于灰度圖像來說，就是一個二維矩陣，行與列存的就是像素點的位置，而矩陣值就是該像素點的灰度值。這里以有名的一副圖lenna圖為例，那么直接image=imread（‘lenna.jpg'）就可以加載帶matlab工作框中，顯示的話imshow（image）就可以了，顯示如下：

（2）比例變換

了解了變換的基本原理，要知道其中最重要的就是關(guān)于坐標(biāo)的變換。如果以上圖中的行和列都為1的點作為原點的話，變換的程序為：

%-------------函數(shù)說明----------------
%    比例變換
%       輸入變量：img 灰白圖像（彩色不行）
%                s_x  x方向上的比例系數(shù)
%                s_y  y方向上的比例系數(shù)
%-------------------------------------
function bili(img,s_x,s_y)
[m,n] = size(img);
new_matrix = ones(m,n);
T1 = [s_x,0,0;0,s_y,0;0,0,1];   %對應(yīng)的比例系數(shù)矩陣
for i=1:m
    for j=1:n
        p = floor([i,j,1]*T1^-1);%由P_new = P_old*T 可得：P_old = P_new*(T^-1)
        if (p(1)<=m)&&(p(1)>0)&&(p(2)<=n)&&(p(2)>0) %限制范圍 
         new_matrix(i,j) = img(p(1),p(2));   %坐標(biāo)變換關(guān)系
        else 
        new_matrix(i,j) = 0;     %沒有的點賦值為0
        end
    end
end
figure;imshow(new_matrix,[]);
————————————————
版權(quán)聲明：本文為CSDN博主「on2way」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/on2way/article/details/40460675

這樣運(yùn)行對應(yīng)程序：

bili（image,2,2）:

bili(image,0.5,0.5):

可以看到，分別對圖像擴(kuò)大和縮小的時候，都是以行和列為1為原點來操作的。如果還是以這個點來進(jìn)行旋轉(zhuǎn)操作的話，就會非常不協(xié)調(diào)不好看。況且如果了解matlab本身自帶這些旋轉(zhuǎn)、比例操作函數(shù)的話會發(fā)現(xiàn)，這些函數(shù)操作原點是圖像的正中心，這樣操作起來后才很好看。那么現(xiàn)在的問題就是如何把圖像的中心作為我們在坐標(biāo)系下認(rèn)為的原點呢？那就是上面講到的三步走了，首先平移中心點至原點，再變換，再平移至中心點就好了。我們需要做的就是確定平移的行與列的長度（平移的長度應(yīng)該是圖像行與列總長度的一半吧，如果是把中心點當(dāng)做原點的話）。基于此修改上述的程序如下：

function bili(img,s_x,s_y)
[m,n] = size(img);
new_matrix = ones(m,n);
T2 = [1,0,0;0,1,0;-m/2,-n/2,1];  %x、y軸平移值原點
T3 = [1,0,0;0,1,0;m/2,n/2,1];    %x、y軸反平移
 
T1 = [s_x,0,0;0,s_y,0;0,0,1];   %對應(yīng)的比例系數(shù)矩陣
T = T2*T1*T3;     %P_new = P_old*T2*T1*T3  順序不能錯了
for i=1:m
    for j=1:n
        p = floor([i,j,1]*T1^-1);%由P_new = P_old*T 可得：P_old = P_new*(T^-1)
        if (p(1)<=m)&&(p(1)>0)&&(p(2)<=n)&&(p(2)>0) %限制范圍 
         new_matrix(i,j) = img(p(1),p(2));   %坐標(biāo)變換關(guān)系
        else 
        new_matrix(i,j) = 0;     %沒有的點賦值為0
        end
    end
end
% figure;imshow(img,[]);
figure;imshow(new_matrix,[]);

從程序可以看出，只是多了那么兩個矩陣而已就可以實現(xiàn)原點的轉(zhuǎn)移了。

運(yùn)行相應(yīng)程序，bili（image,2,2）:

bili（image,0.5,0.5）:

可以看出，這樣操作以后是不是協(xié)調(diào)多了，基本上和matlab自帶的函數(shù)有相同的功能了。

（3）對稱變換

對稱變換和上述變換差不多，無非修改相應(yīng)的變換矩陣，程序如下：

%-------------函數(shù)說明----------------
%    對稱變換
%       輸入變量：img 灰白圖像（彩色不行）
%                num 對稱類型
%     0：原點對稱，1：x軸對稱，2：y軸對稱
%     3：y=x軸對稱 4：y=-x軸對稱  其他。。
%-------------------------------------
function duichen(img,num)
[m,n] = size(img);
new_matrix = ones(m,n);
T2 = [1,0,0;0,1,0;-m/2,-n/2,1];  %x、y軸平移值原點
T3 = [1,0,0;0,1,0;m/2,n/2,1];    %x、y軸反平移
 
T_x = [1,0,0;0,-1,0;0,0,1];     %x軸對稱矩陣
T_y = [-1,0,0;0,1,0;0,0,1];     %y軸對稱矩陣
T_o = [-1,0,0;0,-1,0;0,0,1];    %原點對稱矩陣
T_yx = [0,1,0;1,0,0;0,0,1];     %y=x對稱的矩陣
T_xy = [0,-1,0;-1,0,0;0,0,1];   %y=-x對稱的矩陣
switch num                     %選擇某一種對稱方式
    case 0
        T = T2*T_o*T3 ;
    case 1
        T = T2*T_x*T3 ;
    case 2
        T = T2*T_y*T3 ;
    case 3
        T = T2*T_yx*T3 ;
    case 4
        T = T2*T_xy*T3 ;
end
for i=1:m                  %對于每一個像素點
    for j=1:n
        p = floor([i,j,1]*T^-1);%由P_new = P_old*T 可得：P_old = P_new*(T^-1)
        if (p(1)<=m)&&(p(1)>0)&&(p(2)<=n)&&(p(2)>0) %限制范圍 
         new_matrix(i,j) = img(p(1),p(2));   %坐標(biāo)變換關(guān)系
        else 
        new_matrix(i,j) = 0;     %沒有的點賦值為0
        end
    end
end
% figure;imshow(img,[]);
figure;imshow(new_matrix,[]);
————————————————

運(yùn)行相應(yīng)程序：

>> duichen(image,0)

>> duichen(image,2)

（4）旋轉(zhuǎn)變換

%-------------函數(shù)說明----------------
%    旋轉(zhuǎn)變換
%       輸入變量：img 灰白圖像（彩色不行）
%                theat 變化的角度，逆時針旋轉(zhuǎn)為正             
%---------------------------------------
function xuanzhuan(img,theat)
[m,n] = size(img);
new_matrix = ones(m,n);
T2 = [1,0,0;0,1,0;-m/2,-n/2,1];  %x、y軸平移值原點
T3 = [1,0,0;0,1,0;m/2,n/2,1];    %x、y軸反平移
 
T1 = [cos(theat),sin(theat),0;-sin(theat),cos(theat),0;0,0,1];%旋轉(zhuǎn)變換
T = T2*T1*T3;                  %P_new = P_old*T2*T1*T3  順序不能錯了
for i=1:m
    for j=1:n
        p = floor([i,j,1]*T^-1);%由P_new = P_old*T 可得：P_old = P_new*(T^-1)
        if (p(1)<=m)&&(p(1)>0)&&(p(2)<=n)&&(p(2)>0) %限制范圍 
         new_matrix(i,j) = img(p(1),p(2));   %坐標(biāo)變換關(guān)系
        else 
        new_matrix(i,j) = 0;     %沒有的點賦值為0
        end
    end
end
% figure;imshow(img,[]);
figure;imshow(new_matrix,[]);

運(yùn)行相應(yīng)程序：

>> xuanzhuan(image,pi/4)

>> xuanzhuan(image,-pi/3)

至此，一些基本的幾何變換操作就完成了，其他的變換就在次基礎(chǔ)上發(fā)揮了。

有一個問題是上述的變換在旋轉(zhuǎn)的時候，原圖的部分圖像會被切割掉，這個是沒有考慮到的，因為部分像素點在變換以后必然超出范圍，對比matlab自帶的旋轉(zhuǎn)函數(shù)可以發(fā)現(xiàn)自帶的函數(shù)是可以對出界的部分進(jìn)行壓縮到范圍內(nèi)。當(dāng)然這一點我們也可以編程處理，不過稍微要麻煩點，必須對每個像素點再進(jìn)行壓縮處理，這個有待研究。

二維圖像的幾何變換大致如此了。那么引申一下，對于三維圖像的幾何變換怎么處理了？其實歸結(jié)到底還是有一個變換矩陣T，而這個矩陣不再是3*3的了，這個時候增加了一維，那么對應(yīng)的矩陣也得增加一維變成4*4的了，維數(shù)的增加必然帶來處理上的更加復(fù)雜了，不過理解了二維變換的原理，再來處理三維的話還是很好處理的，弄清楚對應(yīng)關(guān)系就可以了。