查看图像变换的源代码
←
图像变换
跳转至:
导航
、
搜索
因为以下原因,你没有权限编辑本页:
你刚才请求的操作只对属于该用户组的用户开放:
用户
您可以查看并复制此页面的源代码:
'''图像变换'''([[英语]]:image transform),为了用正交函数或正交矩阵表示图像而对原图像所作的二维线性可逆变换。一般称原始图像为空间域图像,称变换后的图像为转换域图像,转换域图像可反变换为空间域图像。图像处理中所用的变换都是酉变换,即变换核满足正交条件的变换。经过酉变换后的图像往往更有利于[[特征抽取]]、增强、压缩和[[图像编码]]。 实现图像变换的手段有数字和光学两种形式,它们分别对应二维离散和连续函数运算。数字变换在计算机中进行,提高运算速度是这种方式的关键。常用的有三种变换方法。 ①傅里叶变换:它是应用最广泛和最重要的变换。它的变换核是复指数函数,转换域图像是原空间域图像的二维频谱,其“直流”项与原图像亮度的平均值成比例,高频项表征图像中边缘变化的强度和方向。为了提高运算速度,计算机中多采用傅里叶快速算法。 ②沃尔什-阿达玛变换:它是一种便于运算的变换。变换核是值+1或-1的有序序列。这种变换只需要作加法或减法运算,不需要象傅里叶变换那样作复数乘法运算,所以能提高计算机的运算速度,减少存储容量。这种变换已有快速算法,能进一步提高运算速度。 ③离散卡夫纳-勒维变换:它是以图像的统计特性为基础的变换,又称霍特林变换或本征向量变换。变换核是样本图像的协方差矩阵的特征向量。这种变换用于图像压缩、滤波和特征抽取时在均方误差意义下是最优的。但在实际应用中往往不能获得真正协方差矩阵,所以不一定有最优效果。它的运算较复杂且没有统一的快速算法。 除上述变换外,余弦变换、正弦变换、哈尔变换和斜变换也在图像处理中得到应用。 ===参见=== *[[人工智能基本条目]] *[[计算机科学技术基本条目]] *[[工学(目录)]] * [[计算机科学]] * [[机器人学]] * [[计算机视觉]] * [[机器视觉]] * [[人工智能]] * [[图像处理]] [[Category:工学]] [[Category:计算机科学与技术]] [[Category:人工智能| ]] [[Category:人工智能应用]] [[Category:新兴技术]] [[Category:机器人学| ]] [[Category:机器人| ]] [[Category:机器学习| ]] [[Category:跨学科领域]] [[Category:计算机视觉| ]] [[Category:信息处理]] [[Category:统计学]] [[Category:心理学]] [[Category:语言学]] [[Category:计算机科学]] [[Category:生物学]] [[Category:控制论]] [[category:图像处理]] [[category:模式识别]] [[Category:自动控制]] [[category:系统工程]] [[Category:中文词典]] [[Category:T音词语]] [[Category:图]]
返回
图像变换
。
导航菜单
个人工具
创建账户
登录
名字空间
页面
讨论
变种
查看
阅读
查看源代码
查看历史
操作
搜索
导航
首页
最近更改
随机页面
工具箱
链入页面
相关更改
特殊页面
页面信息
扫描二维码可以用手机浏览词条