4.8选择性滤波

超级无敌详细讲解选择性滤波

---

🧠 一、选择性滤波简介

选择性滤波是指根据信号的频率特性对不同频率成分进行选择性处理的过程。在数字图像处理中，选择性滤波的目标是通过不同类型的滤波器来控制和处理图像中的特定频率分量。

选择性滤波主要包括三种类型的滤波器：

• 带阻滤波器（Band-Stop Filter, BSF）：滤除特定频率范围的成分。
• 带通滤波器（Band-Pass Filter, BPF）：只允许特定频率范围的成分通过，滤除其他频率成分。
• 陷波滤波器（Notch Filter）：一种特殊类型的带阻滤波器，主要用于滤除单一频率或频率较窄的范围，常用于去除周期性噪声（如电源噪声）。

选择性滤波通常用于以下应用场景：

• 去除周期性噪声：比如50 Hz或60 Hz电源噪声。
• 信号处理：在图像或视频处理中增强特定频率的成分或抑制不需要的频率。
• 纹理分析：提取特定频率的纹理信息。

---

🧪 二、带阻滤波器（Band-Stop Filter, BSF）

🎯 带阻滤波器的定义

带阻滤波器是一种在特定频率范围内滤除信号成分的滤波器，允许该范围之外的频率成分通过。它通过去除目标频带内的频率成分来达到抑制特定频率噪声的目的。

数学表达：

设图像的频谱为 $F(u,v)$，带阻滤波器 $H(u,v)$ 的频率响应定义为：

$$H(u,v)=\{\begin{array}{ll}0,& D(u,v)\in [D_1,D_2]\\ 1,& \text{其他频率}\end{array}$$

其中，$D(u,v)$ 是频率空间中点 $(u,v)$ 到频谱中心的距离，$[D_1,D_2]$ 是带阻频带的范围。

🎯 带阻滤波器的应用

• 去除周期性噪声：如去除电源噪声（50 Hz 或 60 Hz）等。
• 处理图像中的特定频率噪声：例如去除纹理图案中的噪声。

---

🧪 三、带通滤波器（Band-Pass Filter, BPF）

🎯 带通滤波器的定义

带通滤波器只允许特定频率范围的信号通过，其余频率成分会被抑制。带通滤波器通常由高通滤波器和低通滤波器组合而成，用于过滤掉不需要的低频和高频成分，保留中间频率的成分。

数学表达：

带通滤波器的频率响应可以表示为：

$$H(u,v)=\{\begin{array}{ll}1,& D(u,v)\in [D_1,D_2]\\ 0,& \text{其他频率}\end{array}$$

其中，$D(u,v)$ 是频率空间中点 $(u,v)$ 到频谱中心的距离，$[D_1,D_2]$ 是带通频带的范围。

🎯 带通滤波器的应用

• 纹理提取：通过保留中频成分，带通滤波器可以用于提取图像中的纹理信息。
• 分析特定频率的结构：有助于研究图像或信号中的特定频率特征。

---

🧪 四、陷波滤波器（Notch Filter）

🎯 陷波滤波器的定义

陷波滤波器是一种带阻滤波器，专门用于滤除非常窄的频率范围，通常用于去除图像中的周期性噪声。陷波滤波器通常会被用于去除特定频率的噪声，例如50 Hz或60 Hz的电源噪声，或者其它重复的干扰频率。

数学表达：

陷波滤波器的频率响应定义为：

$$H(u,v)=\{\begin{array}{ll}0,& D(u,v)=D_0\\ 1,& \text{其他频率}\end{array}$$

其中，$D_0$ 是要去除的特定频率值，$D(u,v)$ 是频率空间中点 $(u,v)$ 到频谱中心的距离。

🎯 陷波滤波器的应用

• 去除周期性噪声：特别适用于去除周期性的干扰信号，如电源频率噪声。
• 去除频率干扰：例如去除图像中的条纹或周期性噪声。

---

🧰 五、代码实现：选择性滤波

下面是使用Python和OpenCV实现带阻滤波器、带通滤波器和陷波滤波器的示例代码。

带阻滤波器实现

import numpy as np
import cv2
import matplotlib.pyplot as plt

# 读取图像并转为灰度图
img = cv2.imread('your_image.jpg', cv2.IMREAD_GRAYSCALE)

# 执行FFT
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)

# 创建带阻滤波器
M, N = img.shape
u = np.arange(M) - M // 2
v = np.arange(N) - N // 2
U, V = np.meshgrid(u, v, indexing='ij')
D = np.sqrt(U**2 + V**2)

# 定义带阻频带范围
D1 = 30  # 低频截止
D2 = 50  # 高频截止
H = np.ones_like(D)
H[(D > D1) & (D < D2)] = 0  # 滤除频率范围 [D1, D2]

# 频域乘法
G = fshift * H

# 逆FFT
f_ishift = np.fft.ifftshift(G)
img_filtered = np.fft.ifft2(f_ishift)
img_filtered = np.abs(img_filtered)

# 显示结果
plt.figure(figsize=(12,4))
plt.subplot(1,2,1), plt.imshow(img, cmap='gray'), plt.title('Original Image')
plt.subplot(1,2,2), plt.imshow(img_filtered, cmap='gray'), plt.title('Filtered Image (Band-Stop)')
plt.show()

结果展示

带通滤波器实现

# 创建带通滤波器
D1 = 30  # 低频截止
D2 = 50  # 高频截止
H = np.zeros_like(D)
H[(D > D1) & (D < D2)] = 1  # 仅保留频率范围 [D1, D2]

# 频域乘法
G = fshift * H

# 逆FFT
f_ishift = np.fft.ifftshift(G)
img_filtered = np.fft.ifft2(f_ishift)
img_filtered = np.abs(img_filtered)

# 显示结果
plt.figure(figsize=(12,4))
plt.subplot(1,2,1), plt.imshow(img, cmap='gray'), plt.title('Original Image')
plt.subplot(1,2,2), plt.imshow(img_filtered, cmap='gray'), plt.title('Filtered Image (Band-Pass)')
plt.show()

陷波滤波器实现

# 创建陷波滤波器
D0 = 60  # 要去除的频率
H = np.ones_like(D)
H[D == D0] = 0  # 滤除特定频率 D0

# 频域乘法
G = fshift * H

# 逆FFT
f_ishift = np.fft.ifftshift(G)
img_filtered = np.fft.ifft2(f_ishift)
img_filtered = np.abs(img_filtered)

# 显示结果
plt.figure(figsize=(12,4))
plt.subplot(1,2,1), plt.imshow(img, cmap='gray'), plt.title('Original Image')
plt.subplot(1,2,2), plt.imshow(img_filtered, cmap='gray'), plt.title('Filtered Image (Notch Filter)')
plt.show()

💡 六、应用场景总结

带阻滤波器：适用于去除特定频率范围的噪声，常见于去除周期性噪声，如电源噪声。

带通滤波器：用于提取特定频率范围的信号，适合提取纹理和细节。

陷波滤波器：常用于去除特定频率的周期性干扰，如电源噪声或重复的条纹。

通过选择性滤波，你可以精确地控制图像的频率成分，从而实现去噪、增强或其他图像处理任务。