直方图之频域滤波

傅里叶变换

引言：连续周期信号可以表示为一系列不同频率的正弦波的线性叠加，如下图6-1

图6-1

性质：

1. 平移特性
2. 旋转特性
3. 尺度特性
4. 卷积特性：空间域的卷积对应频域的乘积；空间域的乘积对应频域的卷积
5. 相关特性
6. 分离特性

频域滤波原理

通过滤波系统修正，输入图像频率成分，从而达到图像增强的目的

低通滤波器

作用：允许低频成分通过，去除衰减（高频）成分，图像中尖锐的细节被平滑
类型：

1. 理想低通滤波器
2. Butterworth滤波器
3. 高斯低通滤波器

同态滤波

1. 基于图像成像模型
2. 在频域压缩灰度动态范围，增强对比度

$f(x,y)=I(x,y)\times R(x,y)$

$I(x,y)$：照射分量 =====> 在整个空间区域缓慢变化

$R(x,y)$：反射分量 =====> 在整个物体间的交界处急剧变化

人眼对图像亮度的响应类似于对数运算：$ln(x,y)=lnI(x,y)+lnR(x,y)$

作用：

1. 抑制低频，压缩了图像的动态范围
2. 增强高频，加大了各部分间的对比度
   如下图6-2

图6-2

应用效果，如下图6-3

图6-3

基于Retinex滤波

名称：

1. Retina：视网膜
2. Cortex：大脑皮层

理论：

1. 物体颜色：物体对长波、中波、短波的反射特性
2. 人眼视觉：观察物体时首先寻找标准的“白光“，计算色差从而得到物体的信息

结论：

1. 入射光决定了图像灰度级动态范围
2. 反射光决定了图像具有的内在本质

入射分量的特点：

1. 入射分量具有缓和平滑性
2. 入射分量与反射光具有一定的弱相关性

$lnR(x,y)=lnf(x,y)-lnI(x,y)$
$lnf(x,y)$：原图像
$lnI(x,y)$：需要估算的值

环绕函数法：$I(x,y)=f(x,y)\times h(x,y)$

实际应用如图6-4

图6-4