4,445
社区成员
发帖
与我相关
我的任务
分享
...全文
请发表友善的回复…
发表回复
fking22 2003-09-01
- 打赏
- 举报
光一个术语有什么帮助啊
HUNTON 2003-09-01
- 打赏
- 举报
用双线性插值就可以了吧
e_feeling 2003-09-01
- 打赏
- 举报
线性插值
zzwu 2003-09-01
- 打赏
- 举报
我上面说的那本书是日文翻译过来的,名字叫<数字图像处理...>(详细已忘记),其中全是实用小程序,原理介绍较为厄要. 好像是用VB编的. 此书当时我是从复旦图书馆借来的.
但我想其他<数字图像处理>书也会有的,挑选时,要选注重实践的那种书.
但我想其他<数字图像处理>书也会有的,挑选时,要选注重实践的那种书.
fking22 2003-08-31
- 打赏
- 举报
对于变换式是高次的怎么办？反算时会有多个值，就像那个鞍形变换是三次式的，不好搞哦：（
fking22 2003-08-31
- 打赏
- 举报
看来还真不好弄。两位有什么好书介绍？
zzwu 2003-08-31
- 打赏
- 举报
图像缩放,为了得到好的质量同时有高的效率,应区分各种不同的情况,如:
1.要区分是放大还是缩小,
2.同样是放大(或缩小),要区分是整数倍放大(或缩小),还是非整数倍放大(或缩小),
3.非整数倍缩放,要区分不失真缩放,还是失真缩放,
4.无论失真缩放,还是非失真缩放,都要区别是线性的或非线性的,
等等
具体情况用一种具体的办法解决,就会得到理想效果. 我看到那本图像处理的书中,就是这样分门别类
地来讨论各种缩放问题的,包括那个马鞍形失真矫正问题在内.
1.要区分是放大还是缩小,
2.同样是放大(或缩小),要区分是整数倍放大(或缩小),还是非整数倍放大(或缩小),
3.非整数倍缩放,要区分不失真缩放,还是失真缩放,
4.无论失真缩放,还是非失真缩放,都要区别是线性的或非线性的,
等等
具体情况用一种具体的办法解决,就会得到理想效果. 我看到那本图像处理的书中,就是这样分门别类
地来讨论各种缩放问题的,包括那个马鞍形失真矫正问题在内.
寻开心 2003-08-31
- 打赏
- 举报
不能反算最麻烦。
完整的办法是，初始化目标图片全黑
计算相邻组成矩形的原始图像上的四个点在目标图片上的对应的四个点ABCD
abcd很可能不是矩形，而且覆盖多个小象素。这个时候就要判断覆盖各个小象素的面积比例，用这个比例和原始图片的颜色数值相乘和目标图片的已有颜色相加才可以。
省事的办法是记录ABCD的范围，不考虑权值直接填充目标象素。
完整的办法是，初始化目标图片全黑
计算相邻组成矩形的原始图像上的四个点在目标图片上的对应的四个点ABCD
abcd很可能不是矩形，而且覆盖多个小象素。这个时候就要判断覆盖各个小象素的面积比例，用这个比例和原始图片的颜色数值相乘和目标图片的已有颜色相加才可以。
省事的办法是记录ABCD的范围，不考虑权值直接填充目标象素。
寻开心 2003-08-30
- 打赏
- 举报
常规的做法是，先对原始图像使用变换函数处理一下，确定目标（变换后的）图片的大小，对于图片被放大的情形，需要对目标象素点做循环，反算每个点对应于原始图片的什么位置，把该点取出来作为目标图像点的颜色。例如，原是图像大小是100×100，变换是水平放大两倍，垂直放大三倍，那么通过对计算可以确定，目标大小是200×300。然后对这个200×300的图像做循环，依次判断每个点对应于原始图片的那个点，对于这个例子，
从原始到目标的变换公式是 x' = x * 2; y'=y*3;
那么逆向变换就是x = 0.5*x'; y = y' / 3;
使用这个逆向变换公式，可以知道目标图片 位置i，j对应于原图的 i/2, j/3
这样做可以保证目标图片的每个点都被填充了。
如果图像是被缩小了的，原始图像是200×300，目标图像是100×100。
你可以不用滤波，直接变换就填充目标图片，结果目标图片肯定都被填充到了，但是很可能是目标图片的某些点被多次填充了。
要滤波就要反算目标图片对应于原图的多大区域，然后算面积求平均。
从原始到目标的变换公式是 x' = x * 2; y'=y*3;
那么逆向变换就是x = 0.5*x'; y = y' / 3;
使用这个逆向变换公式，可以知道目标图片 位置i，j对应于原图的 i/2, j/3
这样做可以保证目标图片的每个点都被填充了。
如果图像是被缩小了的，原始图像是200×300，目标图像是100×100。
你可以不用滤波，直接变换就填充目标图片，结果目标图片肯定都被填充到了，但是很可能是目标图片的某些点被多次填充了。
要滤波就要反算目标图片对应于原图的多大区域，然后算面积求平均。
寻开心 2003-08-30
- 打赏
- 举报
这个叫做滤波
要想完美的解决这个问题可不容易，要使用反向变换来处理
根据视觉的原理，点不是真正的代表一个点，而是代表了一个矩形的区域。变换后的图像的一个矩形区域，按照逆变换，可以找到变换前所对应的一个区域（未必是矩形啦），把这个区域当中的颜色的平均数值计算出来，作为变换后的区域的颜色。
这个理想的变换和逆变换未必好求，还有就是区域也未必是矩形，面积以及平局色都难求。
于是就有发明了好多种省事的滤波办法
1。最简单的就是不滤波，把空缺的地方用线性差值来弥补
2。点滤波，最简单的滤波。就是用逆向变换公式求出区域中心点变换前所在的位置，用该位置的颜色作为整个区域的颜色。
3。线性差值滤波，把线性区域的两个端点对应的源图位置计算出来，用其中间线上的点平均色作为结果使用。
4。双线性滤波，计算矩形的四个端点，用双线性差值的办法计算平均颜色。
5。还有三次滤波等更高阶的。
而且，对于图像放大和图像缩小的时候采用的滤波方式都不同的。放大的时候容易造成马赛克式的现象，那是因为放大后的图像多个点占据源图的一个位置，这个时候要把源图假设成为颜色连续变化的图像，源图点的颜色是一个矩形的中心点的颜色，两个中心点之间用线性差值表示颜色变化，从目标点反算对应倒源图的多大面积，用上面各种滤波方法处理。 对于图像缩小的时候，效果恰好相反，假定目标的颜色是连续的，而源图是离散的。
这个东西没有通用的办法，要结合你的变换函数的特点来做。
要想完美的解决这个问题可不容易，要使用反向变换来处理
根据视觉的原理，点不是真正的代表一个点，而是代表了一个矩形的区域。变换后的图像的一个矩形区域，按照逆变换，可以找到变换前所对应的一个区域（未必是矩形啦），把这个区域当中的颜色的平均数值计算出来，作为变换后的区域的颜色。
这个理想的变换和逆变换未必好求，还有就是区域也未必是矩形，面积以及平局色都难求。
于是就有发明了好多种省事的滤波办法
1。最简单的就是不滤波，把空缺的地方用线性差值来弥补
2。点滤波，最简单的滤波。就是用逆向变换公式求出区域中心点变换前所在的位置，用该位置的颜色作为整个区域的颜色。
3。线性差值滤波，把线性区域的两个端点对应的源图位置计算出来，用其中间线上的点平均色作为结果使用。
4。双线性滤波，计算矩形的四个端点，用双线性差值的办法计算平均颜色。
5。还有三次滤波等更高阶的。
而且，对于图像放大和图像缩小的时候采用的滤波方式都不同的。放大的时候容易造成马赛克式的现象，那是因为放大后的图像多个点占据源图的一个位置，这个时候要把源图假设成为颜色连续变化的图像，源图点的颜色是一个矩形的中心点的颜色，两个中心点之间用线性差值表示颜色变化，从目标点反算对应倒源图的多大面积，用上面各种滤波方法处理。 对于图像缩小的时候，效果恰好相反，假定目标的颜色是连续的，而源图是离散的。
这个东西没有通用的办法，要结合你的变换函数的特点来做。
