图像增强是图像模式识别中非常重要的图像预处理过程,图像增强的目的是通过对图像中的信息进行处理,使得有利于模式识别的信息得到增强,不利于模式识别的信息被抑制,扩大图像中不同物体特征之间的差别,为图像的信息提取及其识别奠定良好的基础。图像增强按实现方法不同可分为点增强、空域增强和频域增强。
直观的说: 时间->时域 频率->频域 空间坐标->空间域
图像的空间信息可以反映图像中物体的位置、形状、大小等特征,而这些特征可以通过一定的物理模式来描述。例如,物体的边缘轮廓由于灰度值变化剧烈一般出现高频率特征,而一个比较平滑的物体内部由于灰度值比较均一则呈现低频率特征。因此,根据需要可以分别增强图像的高频和低频特征,对图像的高频增强可以突出物体的边缘轮廓,从而起到锐化图像的作用。例如,对于人脸的对比查询,就需要通过高频增强技术来突出五官的路阔。相应的,对图像的低频部分进行增强可以对图像进行平滑处理,一般用于图像的噪声消除。
图像的频域相对于空间域要更加复杂一些:
图像的傅里叶变换其实是将图像的灰度分布函数变换为图像的频率分布函数。频域中的高频分量对应图像的细节信息,代表灰度梯度大的位置,决定信号的突变部分;低频分量对应图像的轮廓信息,代表灰度梯度小的位置,决定信号的整体形象。在频谱图中,可以看到亮度不同的点,亮度大就表示梯度大(高频分量)、亮度小就表示梯度小(低频分量)。
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。
频域增强的原理:
在频谱中,图像中心处对应了图像中变化较为平缓的区域,四周对应了图像边缘、噪声或者变化陡峭的部分。因此我们可以将代表了图像边缘、噪声或者变化陡峭的高频率成分过滤掉,只留下变化平缓的低频率成分,再由频域变换回空域,这就相当于对图像进行了平滑处理;相反,若滤去了低频率成分,只留下高频率成分,就相当于图像进行了锐化处理。
常见的频域增强方法:
低通滤波器(理想圆形低通滤波器、巴特沃斯低通滤波器、高斯低通滤波器等等)
高通滤波器(同低通+指数高通滤波器、梯形高通滤波器)
频域增强与空域增强
两者本质上都是一样的,只是对图像进行处理的图像空间不一样,可以理解为一个为图像原空间、一个是图像的频率空间。由空域到频域,只需做一次傅里叶变换即可获得。
在实际的应用中,空域增强比频域增强要应用更广泛,因为其执行速度更快。但是频域的利用在图像压缩领域上应用更佳,且频域图像水印也更具有安全性。
参考文献:
https://zhuanlan.zhihu.com/p/29175828
https://blog.csdn.net/baishuiniyaonulia/article/details/99094812