数字图像处理:python对图像做傅里叶变换,理想低通滤波器,理想高通滤波器

本文通过Python和OpenCV库对Lena图像进行傅里叶变换,展示不同截止频率半径的理想低通和高通滤波后的效果。低通滤波用于图像平滑,高通滤波则用于边缘提取和增强。分析表明,滤波器的选择直接影响图像的边缘区域处理,高通滤波保留边缘,低通滤波平滑边缘。
摘要由CSDN通过智能技术生成

Lena256.png

对Lena图像进行以下处理(可使用编程语言自带函数,以实验报告形式提交word文件):

(1)做傅里叶变换,并显示频谱图像;

(2)使用理想低通滤波器,截止频率半径分别选取10、20、50、80,分别显示对应的滤波后图像,并做简要分析;

(3)使用理想高通滤波器,截止频率半径分别选取10、20、50、80,分别显示对应的滤波后图像,并做简要分析。

 累了,自己看吧

高通滤波:边缘提取与增强

低通滤波:边缘平滑

边缘区域的灰度变换加大,也就是频率较高。所以,对于高通滤波,边缘部分将被保留,非边缘部分将被过滤;对于低通滤波,边缘区域将被平滑过渡。

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值