(六)图像的频域处理_低通滤波和高通滤波

本文介绍了图像处理中频域滤波的概念,通过MATLAB实现低通滤波(截止频率Dl0=50)和高通滤波(截止频率Dh0=30)。低通滤波导致图像模糊,失去部分边缘信息;高通滤波则能突出图像边界,保留高频细节。
摘要由CSDN通过智能技术生成

一,实验原理

设置低通滤波截止频率为Dl0=50,即:

高通滤波器截止频率为Dh0=30,即:

二,实验过程和结果

clc;
clear;
close all;

I=imread('test5.gif','gif');            %自己设置路径
subplot(2,2,1);
imshow(I);
title('test5原图');
f=double(I);     % chage into double as MATLAB doesn’t suppor calculation
  % of image in unsigned int type
  subplot(2,2,2);
  G=fft2(f);
imshow(log(abs(G)),[]);
title('test5幅度谱图');
g=fft2(f);       % fourier transform
g=fftshift(g);  % zero-frequency area c
好的,我可以为您介绍一下频域图像处理高通滤波低通滤波的基本概念和Python实现。 频域图像处理是指将图像从空间域(即像素的位置和灰度值)转换到频率域(即图像的频谱和幅度谱)进行处理的方法。频域图像处理基于傅里叶变换(FFT)和傅里叶反变换(IFFT)实现。在频域中,可以使用不同类型的滤波器图像进行处理,包括高通滤波低通滤波高通滤波器可以用来增强图像的边缘和细节,而低通滤波器则可以用来平滑图像并消除噪声。 在Python中,可以使用NumPy和OpenCV库来实现频域图像处理滤波。以下是高通滤波低通滤波的Python代码示例: 高通滤波: ``` python import cv2 import numpy as np # 读取图像 img = cv2.imread('image.jpg', 0) rows, cols = img.shape # 构建高通滤波器 kernel = np.array([[-1,-1,-1],[-1,9,-1],[-1,-1,-1]]) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 滤波 filtered = fshift * kernel f_ishift = np.fft.ifftshift(filtered) img_back = np.fft.ifft2(f_ishift) img_back = np.abs(img_back) # 显示图像 cv2.imshow('Original Image', img) cv2.imshow('High Pass Filtered Image', img_back) cv2.waitKey() cv2.destroyAllWindows() ``` 低通滤波: ``` python import cv2 import numpy as np # 读取图像 img = cv2.imread('image.jpg', 0) rows, cols = img.shape # 构建低通滤波器 kernel = np.ones((5,5),np.float32)/25 # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 滤波 filtered = fshift * kernel f_ishift = np.fft.ifftshift(filtered) img_back = np.fft.ifft2(f_ishift) img_back = np.abs(img_back) # 显示图像 cv2.imshow('Original Image', img) cv2.imshow('Low Pass Filtered Image', img_back) cv2.waitKey() cv2.destroyAllWindows() ``` 在这些代码中,我们首先读取输入图像,然后使用NumPy库进行傅里叶变换。然后,我们构建了一个高通或低通滤波器,将其应用于频率域的图像,然后使用反傅里叶变换将图像转换回空间域,并显示结果。
评论
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