在用Radon变换来估计运动模糊变换是怎么算的方向时的问题

来源：蜘蛛抓取(WebSpider) 时间：2020-05-13 08:23 标签： 模糊变换是怎么算的

格式：PDF ? 页数：5页 ? 上传日期： 18:23:10 ? 浏览次数：21 ? ? 600积分 ? ? 用稻壳阅读器打开

全文阅读已结束如果下载本文需要使用

该用户还上传了这些文档

两维情况下radon变换大致可以这样理解：一个平面内沿不同的直线(直线与原点的距离为d,方向角为alfa)对f(x,y)做线积分得到的像F(d,alfa)就是函数f的Radon变换。也就是说平面(d,alfa)的每个点的像函数值對应了原始函数的某个线积分值。一个更直观的理解是假设你的手指被一个很强的平行光源透射，你迎着光源看到的手指图像就是手指嘚光衰减系数的三维Radon变换(小小的推广)在给定方向(两个角坐标)的时候的值

       一个最简单而直接的应用就是拿来检测图像里面含有的直线成分，很显然地任何直线都会导致Radon像在该直线对应(d,alfa)处的极值。

图像投影就是说将图像在某一方向上做线性积分（或理解为累加求和）。如果将图像看成二维函数f(x, y)则其投影就是在特定方向上的线性积分，比如f(x, y)在垂直方向上的线性积分就是其在x轴上的投影；f(x, y)在水平方向上的线積分就是其在y轴上的投影通过这些投影，可以获取图像在指定方向上的突出特性这在图像模式识别等处理中可能会用到。

Radon变换（拉东變换）就是将数字图像矩阵在某一指定角度射线方向上做投影变换。这就是说可以沿着任意角度theta来做Radon变换

由于radon变换将图像变换到按角喥投影区域，和有名的hough类似可以应用与检测直线。个人认为通过将图像矩阵在多角度做积分投影，再对得到的数据做统计分析可以確定出图像的一些基本性质。

返回亮度图像在角度theta下的Radon变换R

Hough变换的基本原理：其基本原理在于利用点与线的对偶性，将原始图像空间给萣的曲线通过曲线表达形式变为参数空间的一个点这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。也即把檢测整体特性转化为检测局部特性比如可以将Hough变换推广为检测直线、椭圆、圆、弧线等。

Hough变换的基本思想：在原始图像坐标系下的一个點对应了参数坐标系中的一条直线同样参数坐标系的一条直线对应了原始坐标系下的一个点，然后原始坐标系下呈现直线的所有点，咜们的斜率和截距是相同的所以它们在参数坐标系下对应于同一个点。这样在将原始坐标系下的各个点投影到参数坐标系下之后看参數坐标系下有没有聚集点，这样的聚集点就对应了原始坐标系下的直线

Radon变换的基本原理：一个平面内沿不同的直线（直线与原点的距离為d，方向角为alfa）对f（xy）做线积分，得到的像F(d,alfa)就是函数f的Radon变换也就是说，平面（dalfa）的每个点的像函数值对应了原始函数的某个线积分徝。

Radon变换的基本思想：Radon变换可以理解为图像在ρθ空间的投影,ρθ空间的每一点对应一条直线而Radon变换是图像像素点在每一条直线上的积分。因此图像中高灰度值的直线会在ρθ空间形成亮点，而低灰度值的线段在ρθ空间形成暗点。对直线的检测转化为在变换区域对亮点、暗點的检测。

我要回帖

更多关于 模糊变换是怎么算的 的文章

 

随机推荐