关于图像频域滤波笔记

1. 图像处理基础知识

从灰度值图像分析，图像的信息蕴含在图像物体的轮廓中，是对图像信息的表征，等价于灰度值变化剧烈的部分，因此当图像从空间域转化到频率域的时候，图像中所包含的边界和细节信息主要体现在高频部分。人眼对高频信号更为敏感。
https://zhuanlan.zhihu.com/p/99605178
空域的卷积滤波等价于频域的点乘滤波。频域和空域之间的关系，以及基础知识
https://zhuanlan.zhihu.com/p/387352802
https://www.bilibili.com/video/BV1kX4y1u7GJ/

2. 如何理解fftshift2，为什么需要fftshift

用于重新排列fft的结果，方便分析频谱
“因为实信号以fs为采样速率的信号在 fs/2处混叠，所以实信号fft的结果中前半部分对应[0, fs/2]，后半部分对应[ -fs/2, 0]。横向和纵向都需要把频率转换到[ -fs/2, fs/2]的区间，可以使用fftshift函数。”
https://www.cnblogs.com/pingwen/p/12442257.html.

3. 频域滤波操作

先对图像进行傅里叶变换fft，然后移动频谱fftshit，然后mask某些频段进行滤波。再之后，逆向移动频谱iffshit，最后ifft变换回空间域完成滤波操作。

4. 如何更好地视觉化功率谱

假设输入的是img，则应该查看功率谱

fft_img = fftshift(fft(img))
vis_img = np.log(1 + np.abs(fft_img))

5. 图像金字塔是怎么回事

https://blog.csdn.net/wenhao_ir/article/details/124386034
使用多分辨率的架构，实现对图像进行放缩，重构，融合和增强。另外金字塔可以将原图像分别分解到不同的空间频带上，这样可以针对 不同分解层的不同频带上的特征与细节，采用不同的算子以达到更有针对性的算法优化处理

5.1 高斯金字塔

最底层为原图像，每向上一层就会通过高斯模糊滤波，向下采样缩小一次图像的尺寸。常见的高斯金字塔层数为3到6层。使用高斯滤波（低通滤波）之后再进行下采样是为了让下采样之后 的图像减少缝隙，视觉上更加平滑。

5.2 拉普拉斯金字塔

拉普拉斯金字塔是为了实现高斯金字塔的图像重建而存在的，在高斯金字塔的基础上生成，是高斯金字塔与上一层通过采样扩大后的差值图像（上采样高斯滤波后再原高斯金字塔作差），可以反映出同级高斯金字塔的高频分量的性质。