【教程4＞第12章＞第1节】图像几何变换概述——图像的映射,缩放,插值,配准
教程4.目录.
欢迎订阅FPGA/MATLAB/Simulink系列教程
《★教程1:matlab入门100例》
《★教程2:fpga入门100例》
《★教程3:simulink入门60例》
《★教程4:FPGA/MATLAB/Simulink联合开发入门与进阶X例》
《★专题3:人工智能基础应用研究》
目录
1.图像映射
2.图像缩放
3.图像插值
4.图像配准
图像几何变换是数字图像处理的基础操作，其特点是不改变图像像素的灰度或颜色数值，仅改变像素在图像中的空间位置分布。与灰度变换、滤波增强等操作不同，几何变换关注的是像素坐标的重新排布，通过数学映射关系实现图像的平移、旋转、缩放、扭曲校正、透视变换等效果，最终使图像满足后续处理所需的空间结构要求。
在实际图像处理系统中，几何变换通常遵循一套固定流程：首先建立目标图像与原始图像之间的坐标对应关系，然后通过反向映射避免像素空洞与重叠，再对非整数坐标位置进行灰度插值计算，最后完成整幅图像的重采样与输出。几何变换不仅是图像预处理的重要步骤，也是图像拼接、畸变校正、视频稳像、医学影像配准、AR 增强现实等高级应用的基础。随着实时视觉系统的普及，几何变换的硬件化实现，尤其是基于 FPGA 的并行加速，成为嵌入式视觉、工业相机、自动驾驶感知等领域的关键技术。
1.图像映射
图像映射是几何变换的核心基础，本质是建立原始图像坐标与目标图像坐标之间的函数对应关系，通过数学变换将每个像素从原位置转移到新位置。根据映射方向不同，可分为正向映射与反向映射。正向映射是遍历原图每个像素，根据变换公式计算其在目标图中的位置并赋值。反向映射则从目标图像出发，对目标图中每个像素坐标，通过逆变换公式计算其在原始图像中对应的坐标位置，再从原图获取灰度值。这种方式可以保证目标图像每个位置都能找到对应的原图像素，避免空洞与重叠，是旋转、缩放、畸变校正、透视变换等所有几何操作的标准实现方式。
其中图像的平移变换，其主要原理如下：
旋转变换，其主要原理如下：
仿射变换，其主要原理如下：
透视变换，其主要原理如下：
图像映射在FPGA上实现难度低、可行性极高。 坐标计算以定点加法、乘法为主，逻辑资源占用小反向映射天然适合流水线结构，可实现实时处理 透视变换涉及除法，可通过LUT查表实现倒数，避免复杂浮点运算 可并行处理多行多列像素，支持 1080p/4K视频流实时映射 工业相机、HDMI图像处理中广泛使用。
2.图像缩放
图像缩放是将图像从原始分辨率（宽 W、高 H）变换为目标分辨率（宽 W'、高 H'）的几何操作，是最常用的图像预处理手段之一。缩放的本质是通过空间坐标映射与灰度重采样，实现图像尺寸的放大或缩小。缩放过程不能简单丢弃或重复像素，否则会出现锯齿、模糊、马赛克等严重失真，必须结合合理的映射关系与插值算法保证视觉质量。
缩放的核心步骤分为坐标映射与灰度插值。首先确定水平与垂直方向的缩放比例因子，通常使用反向映射，对目标图像每个像素(x', y')，计算其在原始图像中对应的浮点坐标(x, y)。放大时，目标图像像素数多于原图，需要通过邻域像素估算新位置灰度；缩小时，原图信息多于目标图，需要通过加权融合避免信息混叠。缩放可分为等比例缩放与非等比例缩放，等比例缩放保持图像形状不变，非等比例缩放会导致图像拉伸或压缩，常用于显示适配。
图像缩放是FPGA图像处理最常用模块。
仅包含比例乘法、坐标计算与简单插值
可设计为固定系数缩放或实时可配置缩放
流水线结构可实现1080p@60fps、4K@30fps实时处理
资源占用低，适合与其他算法（滤波、边缘检测）级联
3.图像插值
图像插值是几何变换中必不可少的环节，用于解决坐标映射后出现非整数坐标位置的灰度赋值问题。数字图像由离散整数坐标像素构成，而旋转、缩放、透视变换后得到的对应坐标往往是浮点数，并不直接对应某一个原图像素，因此必须通过邻域已知像素的灰度值，估算该浮点位置的灰度，这一过程即为插值。插值算法直接决定几何变换后图像的清晰度、平滑度与锯齿程度。
最基础的插值方法是最近邻插值，它将浮点坐标直接四舍五入到最近整数坐标，取该点灰度。优点是计算极简、无乘法运算，但缺点明显，放大后图像出现明显锯齿、阶梯状边缘，视觉质量差，仅用于对速度要求极高且质量可妥协的场景。其对应的数学原理如下：
双线性插值是工程中最常用的插值方式，它以浮点坐标周围2×2四个邻域像素为基础，先在水平方向做一次线性插值，再在垂直方向做一次线性插值，通过加权求和得到最终灰度。线性插值保证灰度变化连续，无明显锯齿，计算量适中，非常适合硬件实现。其对应的数学原理如下：
4.图像配准
图像配准是将两幅或多幅来自不同时间、不同视角、不同传感器的图像，在空间位置上进行精确对齐的过程，使其同名特征点、对应区域达到空间一致。配准是图像拼接、变化检测、医学影像融合、视觉定位等高级应用的基础，其核心是求解两幅图像之间的最优几何变换模型，使对应区域差异最小。
图像配准通常分为四大步骤：特征提取、特征匹配、变换模型估计、图像重采样。首先从参考图像与待配准图像中分别提取稳定特征，如角点、边缘、直线、区域纹理等；然后通过特征描述子匹配，找到多组同名点对；接着根据匹配点对，利用最小二乘法、RANSAC鲁棒估计算法求解几何变换矩阵，常见模型包括刚性变换、仿射变换、透视变换；最后使用该变换对待配准图像进行映射、插值与重采样，完成对齐。