坐标旋转变换公式的推导

坐标旋转
部署运行你感兴趣的模型镜像

翻译自: http://www.metro-hs.ac.jp/rs/sinohara/zahyou_rot/zahyou_rotate.htm
翻译:  汤 永康
出处: http://blog.youkuaiyun.com/tangyongkang
转贴请注明出处
1 围绕原点的旋转
如下图, 在2维坐标上,有一点p(x, y) , 直线opの长度为r, 直线op和x轴的正向的夹角为a。 直线op围绕原点做逆时针方向b度的旋转,到达p’ (s,t)



s = r cos(a + b) = r cos(a)cos(b) – r sin(a)sin(b)   (1.1)
t = r sin(a + b) = r sin(a)cos(b) + r cos(a) sin(b)  (1.2)
其中 x = r cos(a)  , y = r sin(a)
代入(1.1), (1.2) ,
s = x cos(b) – y sin(b)    (1.3)
t = x sin(b) + y cos(b)    (1.4)

 


用行列式表达如下:

 

2.座标系的旋转
在原坐标系xoy中,  绕原点沿逆时针方向旋转theta度, 变成座标系 sot。
设有某点p,在原坐标系中的坐标为 (x, y), 旋转后的新坐标为(s, t)。



oa = y sin(theta)   (2.1)
as = x cos(theta)   (2.2)
综合(2.1),(2.2) 2式
s =  os = oa + as = x cos(theta) + y sin(theta)
t =  ot = ay – ab = y cos(theta) – x sin(theta)

 

用行列式表达如下:

您可能感兴趣的与本文相关的镜像

Python3.10

Python3.10

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

Radon变换是一种将图像从空间域转换到投影域的数学工具,其核心思想是通过积分操作提取图像在不同方向上的投影信息。假设有一个二维连续函数 $ f(x, y) $,表示图像的灰度分布,Radon变换定义为该函数在所有可能直线上的线积分。设某条直线可以表示为: $$ x \cos \theta + y \sin \theta = s $$ 其中,$ s $ 是从原点到该直线的垂直距离,$ \theta $ 是该直线与 $ x $ 轴之间的夹角。 Radon变换的数学表达式为: $$ R(s, \theta) = \int_{-\infty}^{\infty} \int_{-\infty}^{\infty} f(x, y) \delta(x \cos \theta + y \sin \theta - s) \, dx \, dy $$ 其中,$ \delta $ 是Dirac delta函数,用于描述图像在直线 $ x \cos \theta + y \sin \theta = s $ 上的积分值 [^1]。 Radon变换推导过程可以从线积分的几何意义出发。首先,将笛卡尔坐标系中的图像函数 $ f(x, y) $ 转换为极坐标系下的表示形式。对于任意给定的角度 $ \theta $,可以通过旋转坐标系的方式将图像变换到新的坐标系中,其中 $ s $ 表示投影的坐标轴方向。此时,图像函数在该方向上的投影可以表示为沿 $ s $ 轴的积分: $$ R(s, \theta) = \int_{-\infty}^{\infty} f(s \cos \theta - t \sin \theta, s \sin \theta + t \cos \theta) \, dt $$ 该公式表示图像在方向 $ \theta $ 上的投影,即沿该方向的所有点的灰度值积分 [^1]。 为了进一步理解Radon变换与傅里叶变换之间的关系,可以引入中心切片定理(Central Slice Theorem)。该定理指出,图像的二维傅里叶变换在某一方向上的切片等于该图像在相同方向上的Radon变换的一维傅里叶变换。具体而言: $$ \mathcal{F}_2\{f(x, y)\}(\omega \cos \theta, \omega \sin \theta) = \mathcal{F}_1\{R(s, \theta)\}(\omega) $$ 其中,$ \mathcal{F}_2 $ 和 $ \mathcal{F}_1 $ 分别表示二维和一维傅里叶变换。这一关系为Radon反变换推导提供了理论基础,即可以通过傅里叶域的方法实现图像重建 [^1]。 Radon反变换的数学表达式可以表示为: $$ f(x, y) = \int_{0}^{\pi} \int_{-\infty}^{\infty} R(s, \theta) \frac{1}{\sqrt{x^2 + y^2 - s^2}} \, ds \, d\theta $$ 在实际应用中,为了提高图像重建的精度,通常采用滤波反投影(Filtered Back-Projection, FBP)方法。该方法利用Radon变换的傅里叶性质,将投影数据在频域中进行滤波处理,然后执行反投影操作。滤波函数通常为 $ |\omega| $,用于补偿Radon变换过程中引入的模糊效应 [^1]。 ### 示例代码:使用MATLAB实现Radon变换及其反变换 ```matlab % 定义图像和投影角度 I = phantom(256); % 生成Shepp-Logan仿真头模图像 theta = 0:180; % 投影角度范围 % 执行Radon变换 [R, xp] = radon(I, theta); % 执行Radon反变换(滤波反投影) I_recon = iradon(R, theta, 'linear', 'none', 1.0); % 显示原始图像和重建图像 figure; subplot(1, 2, 1); imshow(I); title('原始图像'); subplot(1, 2, 2); imshow(I_recon, []); title('重建图像'); ``` 上述代码展示了如何在MATLAB中使用内置函数 `radon` 和 `iradon` 实现Radon变换及其反变换,并对重建结果进行可视化展示。
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值