信号处理的过程,大多数情况下都会涉及到时域频域的处理。而关于时域频域的转化,基本上都是一些标准的算法,比如傅立叶变换,小波变换等。在具体实现上比如FFT,DCT等。
针对图像来说,首先可以把图像中每个点的颜色理解成二维平面上的立方柱。那么,图像可以理解为类似于海面波浪一样的东西。
一个直观的解释是:颜色平稳过渡的区域,类似于平静的水面(低频信号);在对比度强烈的轮廓线上,意味着出现水面的陡升或者陡降(高频信号)。
基于上面的理解,我们比较容易的得出如下结论:
频域的低通滤波,对应着图像的平滑处理。
频域的高通滤波,对应着图象的轮廓线识别。
对高频分量的补偿,对应着图像的锐化处理。
恰当的设置阈值,则可以保护图像的平滑部分不被破坏。
...
基于上面的理解,可以帮助构思合适的频域处理方法,以达到某些目的。
至于空域的处理,比如一些梯度算子,本来就比较容易理解,这儿就不做特别的解释。