matlab数字图像处理（五）频率域滤波

频率域滤波

时域(时间域):描述数学函数或物理信号与时间的关系，例如一 个信号的时域波形可以表达信号随着时间的变化。

频域(频率域):自变量是频率，即横轴是频率，纵轴是该频率信 号的幅度。也就是通常说的频谱图。频谱图描述了信号的频率结构 及频率与该频率信号幅度的关系。

空域(空间域):以空间坐标作为变量进行的研究，如从二维空间 角度看待图片上点与点之间关系并处理就是空域图像处理。

图像域变换
为达到图像处理的某种目的而使用的一种数学方法， 是将图像从空间域变换到其它域如频率域的数学变换。

1. 使图像处理问题简化;
2. 有利于图像特征提取;
3. 有助于从概念上增强对图像信息的理解。

傅里叶变换
傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字图像之类的数字化系统;
把傅里叶变换的理论与物理解释相结合，将有利于解决大多数图像处理问题。

离散傅里叶变换DFT
4. 图像信号的傅里叶变换包含幅度与相位两部分;
5. 幅度谱具有较明显的信号结构特征，且易于解释;
6. 幅度本身只包含有图像本身含有的周期结构，并不表示其位置;
7. 相位谱类似随机图案，难以进行直观解释;
8. 但是，相位信息中携带着图像的位置信息，没有它将无法从频谱还原出原图像;仅依靠相位谱重构出来的图像也是能够看到一些轮廓信息的;
9. 利用相位谱记录的位置信息和幅度谱记录的亮度信息，就可以用双谱重构的方法恢复出原图像。

在傅里叶变换中，人们已习惯于使变化邻域中的低谱部分位于中央，使频域的频谱分布呈中间低、周围高的形式，这样不仅看起来比较直观，而且有利于对频谱进行各种计算与分析。为此，借助于傅里叶变换的周期性与频率位移性质，通常对频 域进行换位以使频谱分布符合上述要求。该过程又称作图像中心化。

频域滤波基础

1.频域滤波增强原理

在傅里叶变换域，变换系数反映了图像在空域难以定义的 某些特征:

• 频谱的直流低频分量对应于图像的平滑区域
• 频谱的高频分量对应于图像的边缘或变化剧烈区域
• 外界叠加噪声对应于频谱中频率较高的部分
• 恒定的干扰条纹对应于频谱中的某些特征点

构造一个滤波器，通过提升某些频率分量、压低或去除另一些分量，可以达到图像增强的目的

2.频率平面与图像空域特性的关系

• 图像变化平缓的部分靠近频率 平面的中心，该区域为低频区域;图像中的边、噪音、变化陡峻的部分，以放射方向离开频率
• 平面的圆心，该区域为高频区域

3.基本滤波公式

• 基本滤波公式可表示为:g(x,y)=IDFT[H(u,v)F(u,v)]
• 使用关于中心对称的函数可显著简化计算，因此，滤波前，先通过在变换前用(-1)^(x+y)乘以输入图像把F(u,v)中心化。

频率域滤波步骤