图像中带通滤波器和带阻滤波器的关系

最新推荐文章于 2025-04-15 13:58:18 发布

lidb86

最新推荐文章于 2025-04-15 13:58:18 发布

阅读量3.5k

点赞数

分类专栏： Denoising

Denoising 专栏收录该内容

12 篇文章

订阅专栏

                        
   先给出一张图像，来说明带阻滤波器和带通滤波器的关系。 
  
   由上图可以看出这张图片的中低成份占的比较多，而高频成份比较少。因为白色的像素都集中在中点和离中心的附近。对于频谱图，由白色代表某一频率点有响应，也就是原图含有该频率的成份。可以举个例子，假如我对一张图片加入椒盐噪声，这个椒盐噪声属于全频谱的。可以得到下图示 
  
       很明显图像被污染了，频谱图出现了很多白色点，就代表这张图片在低频成份很多的情况下，又额外的增加了高频中频低频成份，如上第三图就出现了凹凸不平山峰一样。 
  
       解释完频率后来看带通滤波器和带阻滤波器。 
  
   再分别给出它们 
   傅里叶反变换图 
   
   图4为带阻滤波器的三维视图，图5只含中频信号的图像，图6只含高频和低频信号。读者可以自己举例子来进行高频和低频的分析，一样的原理。 
  
   只给出带阻滤波器的相关代码 
  
        I=imread(
        
        'C:\Users\hlx\Desktop\1.jpg');   %读入原图像文件
       
        I2=rgb2gray(I);
       
        I1=double(I2);
       
        fftI=fft2(I1);         % 二维离散傅立叶变换
       
        sfftI=fftshift(fftI);    % 直流分量移到频谱中心
       
        [N1,N2]=size(sfftI);
       
        n=
        
        2;
       
        d
        
        0=
        
        10;
       
        d1=
        
        200;
       
        n1=floor(N1/
        
        2);
       
        n2=floor(N2/
        
        2);
       
        for i=
        
        1
        
        :N1
       
        for j=
        
        1
        
        :N2
       
            d=sqrt((i-n1)^
        
        2+(j-n2)^
        
        2);
       
        if d<=d
        
        0 
        
        || d>=d1
       
                     h=
        
        0;
       
        else
       
                h=
        
        1;
       
        end
       
            result(i,j)=h*sfftI(i,j);
       
        end
       
        end
       
        sfftI=result;
       
        RR=real(sfftI);      % 取傅立叶变换的实部
       
        II=imag(sfftI);      % 取傅立叶变换的虚部
       
        A=sqrt(RR.^
        
        2+II.^
        
        2); % 计算频谱幅值
       
        A=(A-min(min(A)))/(max(max(A))-min(min(A)))*
        
        255;    %归一化
       
        imshow(A);