频域滤波
-
数字图像的表示
空间域表示法:图像数据的矩阵表示,数组表示
变换域表示法:傅里叶变换的频域表示 -
数字图像的处理方法
空间域法:直接在图像作用域处理
变换域法:图像变化-变换域处理-逆变换
图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度。如:大面积的沙漠在图像中是一片灰度变化缓慢的区域,对应的频率值很低;而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域,对应的频率值较高。
傅立叶变换是将图像从空间域转换到频率域,其逆变换是将图像从频率域转换到空间域。换句话说,傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数,傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。
基于傅里叶变换的图像处理
- 扩展知识
欧拉公式(宇宙第一公式)
- 基于傅里叶变换域的数字图像描述
一维傅里叶变换
一维连续傅里叶变换
- 连续转连续
一维离散傅里叶变换
- 离散转连续
- 离散转离散
离散信号的傅里叶频谱
傅里叶幅度谱四个角为直流成分
二维傅里叶变换
二维连续傅里叶变换
与一维的类似
二维离散傅里叶变换
- 公式描述
- 傅里叶频谱
- 图像重建
- 性质
图像频域滤波
利用频域成分和图像外表之间的对应关系,可以更好的解释空间滤波的某些性质。
频率分量和图像空间之间的联系
- 变化最慢的频率成分(u=v=0)对应一幅图像的平均灰度级
- 当从变化的原点移开时,低频对应着图像的慢变化分量,如图像的平滑部分。
- 进一步离开原点时,较高的频域对应图像中变化越来越快的灰度级,如边缘或噪声等尖锐部分。
基于频率域图像滤波原理
明确 滤波器的类型(如:理想滤波器、高斯滤波器、巴特沃斯滤波器等)、及(如:理想滤波器、高斯滤波器、巴特沃斯滤波器等)、及 操作行为(低通、高通、带通、带阻、陷波等)
- 具体步骤:
常见的频域滤波器
低通滤波器
使得低频通过,而使高频衰减的滤波器,减少尖锐的细节部分,突出平滑过渡部分。
-
理想低通滤波器(ILPF)
-
巴特沃斯低通滤波器(BLPF)
-
阶数越高越容易出现振铃效应
-
高斯低通滤波器(GLPF)
高通滤波器
使得高频通过,而使低频衰减的滤波器,减少平滑过渡部分,突出边缘等细节。
-
理想高通滤波器(IHPF)
-
巴特沃斯高通滤波器(GHPF)
-
高斯滤波器(BHPF)
-
其他混合高频增强
拉普拉斯算子
-
钝化模板、高提升滤波和高频强调滤波
-
同态滤波
压缩图像的灰度动态范围,增强对比度
选择性滤波
- 带阻滤波器
- 带通滤波器
- 陷波滤波器
用于阻止或通过实现定义的中心频率邻域内的频率成分
陷波对
快速傅里叶变换(FFT)
当序列长度N很大时,直接使用DFT进行计算,计算量与时间都会增加。
将N分解为几个较短的序列分别进行计算DFT,同时,利用旋转因子的周期性,对称性进行合并,归类处理,以减少DFT的运算次数。
基2FFT算法
要求DFT变换区间长度为:N=2**M M为整数