之前的博文主要介绍了空间域内的滤波器，本文主要从频域的角度进行分析。主要使用傅里叶变换，将空间域的图像转换到频域内，在频域内进行数字图像处理。这部分的内容及其重要，频域内的处理可以解决空间域内无法完成的图像增强。本文首先从数学角度，对图像的频域内的性质进行分析，然后在着重介绍滤波器在频域内的性质。
1.傅里叶变换与频域
在之前的文中，我们已经进行过一些基本的图像处理。比如，使用低通滤波可以将图像模糊，也有些许降噪的作用。这些都是在空间域内进行的滤波处理，这个处理主要是依靠卷积来进行计算的。首先，从连续的一维卷积入手，如下所示。
将上式进行傅里叶变换，可以得到如下结果。
从这个式子，我们可以得到一个重要的结论。也就是，函数
在将其扩展到二维的形况下，假设尺寸为MxN的图像，如下关系是成立的。
其实到这，基本的原理就明了的。我们所看到的图像，均为空间域内的表现形式，我们无法辨识出频域内的图像。要进行频域内的滤波器处理，首先就需要进行傅里叶变换，然后直接进行滤波处理，最后再用反傅里叶变换倒回到空间域内。
到此，已经可以开始空间域内的滤波处理了。但是，还有一点需要注意的地方。使用某个一维信号来举例子，一维信号的傅里叶变换是以2π为周期的函数。所以，我们常常使用的范围[-π,π]来表示这个信号的傅里叶变换，如下所示。
这样做的好处是，靠近0的成分就是低频，靠近-π与π的成分就表示高频。而对于图像而言，在Matlab中，我们使用fft2()这个函数来求取图像的傅里叶变换。
g = fft2(f); 
很显然，这并不是希望的范围，下面这个代码可以求取[0,2π]内的傅里叶变换。
P = 2*M;
Q = 2*N;
F = fft2(f,P,Q);
我们需要对其移动一下，如下图所示，我们需要的是粉色范围的区域。
下面，从数学上分析一下，如何获得这个部分的频谱。对于傅里叶变换，有如下性质。
这个特性称为平移特性，粉色部分的频谱，将
为次，我们已经得到了粉色范围的频谱。越靠近傅里叶频谱图像中间的成分，代表了低频成分。其Matlab代码如下所示。
-
[M,N] = size(f);
-
P =
2*M;
-
Q =
2*N;
-
fc = zeros(M,N);
-
-
for x =
1
:
1
:M
-
for y =
1
:
1
:N
-
fc(x,y) = f(x,y) * (-
1)^(x+y);
-
end
-
end
-
-
F = fft2(fc,P,Q);
代码所得到的结果，如下图所示。
接下来，我们总结一下频域滤波的步骤：
①：先将图像做频域内的水平移动，然后求原图像f(x,y)的DFT，得到其图像的傅里叶谱F(u,v)。
②：与频域滤波器做乘积，
③：求取G(u,v)的IDFT，然后再将图像做频域内的水平移动（移动回去），其结果可能存在寄生的虚数，此时忽略即可。
④：这里使用ifft2函数进行IDFT变换，得到的图像的尺寸为PxQ。切取左上角的MxN的图像，就能得到结果了。
2.低通滤波器
2.1理想的低通滤波器
其中，D0表示通带的半径。D(u,v)的计算方式也就是两点间的距离，很简单就能得到。
使用低通滤波器所得到的结果如下所示。低通滤波器滤除了高频成分，所以使得图像模糊。由于理想低通滤波器的过度特性过于急峻，所以会产生了振铃现象。
2.2巴特沃斯低通滤波器
同样的，D0表示通带的半径，n表示的是巴特沃斯滤波器的次数。随着次数的增加，振铃现象会越来越明显。
2.3高斯低通滤波器
D0表示通带的半径。高斯滤波器的过度特性非常平坦，因此是不会产生振铃现象的。
3.实现代码
-
close all;
-
clear all;
-
-
%% ---------Ideal Lowpass Filters (Fre. Domain)------------
-
f = imread(
'characters_test_pattern.tif');
-
f = mat2gray(f,[
0
255]);
-
-
[M,N] = size(f);
-
P =
2*M;
-
Q =
2*N;
-
fc = zeros(M,N);
-
-
for x =
1:
1:M
-
for y =
1:
1:N
-
fc(x,y) = f(x,y) * (-
1)^(x+y);
-
end
-
end
-
-
F = fft2(fc,P,Q);
-
-
H_1 = zeros(P,Q);
-
H_2 = zeros(P,Q);
-
-
for x = (-P/
2):
1:(P/
2)-
1
-
for y = (-Q/
2):
1:(Q/
2)-
1
-
D = (x^
2 + y^
2)^(
0.5);
-
if(D <=
60) H_1(x+(P/
2)+
1,y+(Q/
2)+
1) =
1;
end
-
if(D <=
160) H_2(x+(P/
2)+
1,y+(Q/
2)+
1) =
1;
end
-
end
-
end
-
-
G_1 = H_1 .* F;
-
G_2 = H_2 .* F;
-
-
g_1 = real(ifft2(G_1));
-
g_1 = g_1(
1:
1:M,
1:
1:N);
-
-
g_2 = real(ifft2(G_2));
-
g_2 = g_2(
1:
1:M,
1:
1:N);
-
-
for x =
1:
1:M
-
for y =
1:
1:N
-
g_1(x,y) = g_1(x,y) * (-
1)^(x+y);
-
g_2(x,y) = g_2(x,y) * (-
1)^(x+y);
-
end
-
end
-
-
%% -----show-------
-
figure();
-
subplot(
1,
2,
1);
-
imshow(f,[
0
1]);
-
xlabel(
'a).Original Image');
-
-
subplot(
1,
2,
2);
-
imshow(log(
1 + abs(F)),[ ]);
-
xlabel(
'b).Fourier spectrum of a');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(H_1,[
0
1]);
-
xlabel(
'c).Ideal Lowpass filter(D=60)');
-
-
subplot(
1,
2,
2);
-
h = mesh(
1:
20:P,
1:
20:Q,H_1(
1:
20:P,
1:
20:Q));
-
set(h,
'EdgeColor',
'k');
-
axis([
0 P
0 Q
0
1]);
-
xlabel(
'u');ylabel(
'v');
-
zlabel(
'|H(u,v)|');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(log(
1 + abs(G_1)),[ ]);
-
xlabel(
'd).Result of filtering using c');
-
-
subplot(
1,
2,
2);
-
imshow(g_1,[
0
1]);
-
xlabel(
'e).Result image');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(H_2,[
0
1]);
-
xlabel(
'f).Ideal Lowpass filter(D=160)');
-
-
subplot(
1,
2,
2);
-
h = mesh(
1:
20:P,
1:
20:Q,H_2(
1:
20:P,
1:
20:Q));
-
set(h,
'EdgeColor',
'k');
-
axis([
0 P
0 Q
0
1]);
-
xlabel(
'u');ylabel(
'v');
-
zlabel(
'|H(u,v)|');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(log(
1 + abs(G_2)),[ ]);
-
xlabel(
'g).Result of filtering using e');
-
-
subplot(
1,
2,
2);
-
imshow(g_2,[
0
1]);
-
xlabel(
'h).Result image');
-
close all;
-
clear all;
-
-
%% ---------Butterworth Lowpass Filters (Fre. Domain)------------
-
f = imread(
'characters_test_pattern.tif');
-
f = mat2gray(f,[
0
255]);
-
-
[M,N] = size(f);
-
P =
2*M;
-
Q =
2*N;
-
fc = zeros(M,N);
-
-
for x =
1:
1:M
-
for y =
1:
1:N
-
fc(x,y) = f(x,y) * (-
1)^(x+y);
-
end
-
end
-
-
F = fft2(fc,P,Q);
-
-
H_1 = zeros(P,Q);
-
H_2 = zeros(P,Q);
-
-
for x = (-P/
2):
1:(P/
2)-
1
-
for y = (-Q/
2):
1:(Q/
2)-
1
-
D = (x^
2 + y^
2)^(
0.5);
-
D_0 =
100;
-
H_1(x+(P/
2)+
1,y+(Q/
2)+
1) =
1/(
1+(D/D_0)^
2);
-
H_2(x+(P/
2)+
1,y+(Q/
2)+
1) =
1/(
1+(D/D_0)^
6);
-
end
-
end
-
-
-
G_1 = H_1 .* F;
-
G_2 = H_2 .* F;
-
-
g_1 = real(ifft2(G_1));
-
g_1 = g_1(
1:
1:M,
1:
1:N);
-
-
g_2 = real(ifft2(G_2));
-
g_2 = g_2(
1:
1:M,
1:
1:N);
-
-
for x =
1:
1:M
-
for y =
1:
1:N
-
g_1(x,y) = g_1(x,y) * (-
1)^(x+y);
-
g_2(x,y) = g_2(x,y) * (-
1)^(x+y);
-
end
-
end
-
-
%% -----show-------
-
figure();
-
subplot(
1,
2,
1);
-
imshow(f,[
0
1]);
-
xlabel(
'a).Original Image');
-
-
subplot(
1,
2,
2);
-
imshow(log(
1 + abs(F)),[ ]);
-
xlabel(
'b).Fourier spectrum of a');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(H_1,[
0
1]);
-
xlabel(
'c)Butterworth Lowpass (D_{0}=100,n=1)');
-
-
subplot(
1,
2,
2);
-
h = mesh(
1:
20:P,
1:
20:Q,H_1(
1:
20:P,
1:
20:Q));
-
set(h,
'EdgeColor',
'k');
-
axis([
0 P
0 Q
0
1]);
-
xlabel(
'u');ylabel(
'v');
-
zlabel(
'|H(u,v)|');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(log(
1 + abs(G_1)),[ ]);
-
xlabel(
'd).Result of filtering using c');
-
-
subplot(
1,
2,
2);
-
imshow(g_1,[
0
1]);
-
xlabel(
'e).Result image');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(H_2,[
0
1]);
-
xlabel(
'f).Butterworth Lowpass (D_{0}=100,n=3)');
-
-
subplot(
1,
2,
2);
-
h = mesh(
1:
20:P,
1:
20:Q,H_2(
1:
20:P,
1:
20:Q));
-
set(h,
'EdgeColor',
'k');
-
axis([
0 P
0 Q
0
1]);
-
xlabel(
'u');ylabel(
'v');
-
zlabel(
'|H(u,v)|');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(log(
1 + abs(G_2)),[ ]);
-
xlabel(
'g).Result of filtering using e');
-
-
subplot(
1,
2,
2);
-
imshow(g_2,[
0
1]);
-
xlabel(
'h).Result image');
-
close all;
-
clear all;
-
clc;
-
%% ---------Gaussian Lowpass Filters (Fre. Domain)------------
-
f = imread(
'characters_test_pattern.tif');
-
f = mat2gray(f,[
0
255]);
-
-
[M,N] = size(f);
-
P =
2*M;
-
Q =
2*N;
-
fc = zeros(M,N);
-
-
for x =
1:
1:M
-
for y =
1:
1:N
-
fc(x,y) = f(x,y) * (-
1)^(x+y);
-
end
-
end
-
-
F = fft2(fc,P,Q);
-
-
H_1 = zeros(P,Q);
-
H_2 = zeros(P,Q);
-
-
for x = (-P/
2):
1:(P/
2)-
1
-
for y = (-Q/
2):
1:(Q/
2)-
1
-
D = (x^
2 + y^
2)^(
0.5);
-
D_0 =
60;
-
H_1(x+(P/
2)+
1,y+(Q/
2)+
1) = exp(-(D*D)/(
2*D_0*D_0));
-
D_0 =
160;
-
H_2(x+(P/
2)+
1,y+(Q/
2)+
1) = exp(-(D*D)/(
2*D_0*D_0));
-
end
-
end
-
-
G_1 = H_1 .* F;
-
G_2 = H_2 .* F;
-
-
g_1 = real(ifft2(G_1));
-
g_1 = g_1(
1:
1:M,
1:
1:N);
-
-
g_2 = real(ifft2(G_2));
-
g_2 = g_2(
1:
1:M,
1:
1:N);
-
-
for x =
1:
1:M
-
for y =
1:
1:N
-
g_1(x,y) = g_1(x,y) * (-
1)^(x+y);
-
g_2(x,y) = g_2(x,y) * (-
1)^(x+y);
-
end
-
end
-
-
-
%% -----show-------
-
close all;
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(f,[
0
1]);
-
xlabel(
'a).Original Image');
-
-
subplot(
1,
2,
2);
-
imshow(log(
1 + abs(F)),[ ]);
-
xlabel(
'b).Fourier spectrum of a');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(H_1,[
0
1]);
-
xlabel(
'c)Gaussian Lowpass (D_{0}=60)');
-
-
subplot(
1,
2,
2);
-
h = mesh(
1:
20:P,
1:
20:Q,H_1(
1:
20:P,
1:
20:Q));
-
set(h,
'EdgeColor',
'k');
-
axis([
0 P
0 Q
0
1]);
-
xlabel(
'u');ylabel(
'v');
-
zlabel(
'|H(u,v)|');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(log(
1 + abs(G_1)),[ ]);
-
xlabel(
'd).Result of filtering using c');
-
-
subplot(
1,
2,
2);
-
imshow(g_1,[
0
1]);
-
xlabel(
'e).Result image');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(H_2,[
0
1]);
-
xlabel(
'f).Gaussian Lowpass (D_{0}=160)');
-
-
subplot(
1,
2,
2);
-
h = mesh(
1:
20:P,
1:
20:Q,H_2(
1:
20:P,
1:
20:Q));
-
set(h,
'EdgeColor',
'k');
-
axis([
0 P
0 Q
0
1]);
-
xlabel(
'u');ylabel(
'v');
-
zlabel(
'|H(u,v)|');
-
-
figure();
-
subplot(
1,
2,
1);
-
imshow(log(
1 + abs(G_2)),[ ]);
-
xlabel(
'g).Result of filtering using e');
-
-
subplot(
1,
2,
2);
-
imshow(g_2,[
0
1]);
-
xlabel(
'h).Result image');
4622
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
