「同态滤波」在图像处理中的原理

1 前言

最近忙着写实验室的总结文档，抽空补上这篇博客，为小论文做铺垫。

同态滤波，听起来与**「高斯滤波」「巴特沃斯滤波」**没有什么不一样，但是实际上，「同态滤波」是一种处理图像的一种思想，并不是一个拥有具体形状的滤波器，它更像是一种分析方法，帮助我们分析图像，一个重要的应用场景就是「非均匀光照图像」的均衡化处理。

均衡一张非均匀光照的方式有很多种，「直方图均匀化」、「傅里叶变化抑制低频」、「高斯模糊」总之如果想区了解这些，可供参考的内容有：
1）Opencv 官方教程
2）冈萨雷斯《数字图像处理（第三版）》我用的第三版

2 原理

《数字图像处理（第三版）》中第一次提到过同态滤波，它的表述为「函数$f(x,y)$可由两个分量来表示（1）入射到被观察场景的光源照射总量；（2）场景中物体所反射的光照总量；两个部分，这两个分量被称为入射分量和反射分量」这两个分量的乘积就是一张图片的信号
$$f(x,y)=i(x,y)r(x,y)$$
上式为同态滤波模型公式，其中，
$$0<i(x,y)<无穷$$
和
$$0<r(x,y)<1$$
入射分量可以在0-无穷之间变化，反射分量只能在0-1之间变化，当反射分量为0时，说明物体将光全吸收，为黑色，当反射分量为1时，说明物体将光全反射，为白色。

贴近生活来说，大家想一想会不会这样，
情景一：人和物体都不动时，光照发生变化时

我们能明显的感觉到地面呈现出的影子和玻璃器皿向我们反射的光，影子可能改变角度，玻璃器皿可能反光愈发强烈，这就说明了，图片的反射分量发生了改变

情景二：物体与光线不发生变化，人眼的角度发生变化时，随着人眼的角度发生变化，物体向人眼反光的角度也发生变化，间接改变了图像的反射分量

上面两个例子只能帮助我们理解什么是同态滤波，想要更深层次的理解必须通过实例来说明

那么同态滤波是如何应用的呢？

下面是它的应用步骤：

（1）对原图做对数变化，将乘性信号分解为加性，这里还有一个解释，图像进行对数处理之后，傅里叶变换的低频成分与照射分量相联系，而高频成（物体的边界）分与反射相联系

（2）对图像做傅里叶变换，将空间域问题转化为频域

（3）准备滤波器$H(u,v)$，进行图像滤波，如果处理非均匀光照图片，这个滤波器是一般为高通滤波器

（4）对通过滤波器的信号进行傅里叶反变换，返回空域对数图像

（5）进行指数变化，得到空域结果

最后，同态滤波的步骤为：

对于同态滤波来说，关键在于设计出滤波器H，对一幅光照不均匀图像，滤波器需要压制低频的亮度分量，增强细节的高频分量，如采用高斯高通滤波器，有：

其中，$c$为一个常数，控制滤波器形态，从低频到高频的斜率，$c$越大，斜坡带越陡峭

3 实现

以上的介绍还只是「同态滤波」的理论部分，但是在图像处理的计算任务中，如何进行计算也是一个十分重要的问题，我们需要一些基本的方法来简化傅里叶变换的计算过程，加快计算速度。

这时候出现了一个问题，问题一「快速傅里叶变换（FFT）和傅里叶变换有什么区别？」

回答：在FFT没被发明出来的时候，频域滤波基本不能实践，因为计算量太大，超算才能勉强升任工作，FFT简化了计算流程。
如果一张图片的像素大小为$M\ast N$，
那么原始的计算复杂度为$(M\ast N{)}^2$，
经过快速傅里叶变化之后的计算复杂度变为$MN\ast lo{g}_2(MN)$。

书中有一个例子，例如1024x1024的图片用原始的傅里叶变换需要万亿次乘法与加法运算，而FFT只需要2000万次乘法与加法运算，这种提升十分明显。

4 参考

彭真明博客
数字图像处理（第三版）