冈萨雷斯数字图像处理-数字图像基础（Matlab）-图像的频域滤波

前面的章节我们介绍了图像的灰度变换以及空间域滤波，本章我们介绍图像的频域滤波。

什么是频率？

频率我们可以直观的理解为空间或者时间的变化率。

对于图像来说，傅里叶变换中的频率与图像中的亮度变化直接联系。傅里叶变换的原点表示直流分量或者说是图像的平均灰度。例如，房间中的墙和地板，没有云朵的蔚蓝的天空等等，这些场景中图像变化缓慢，或者几乎不变，这里就对应着傅里叶变换的原点分量或者低频分量。而对于各种纹理、物体的边缘等灰度急剧变化的地方而言，则对应于傅里叶变换的高频分量。

频率域滤波流程

图像的频域滤波可以理解为：将图像进行傅里叶变换，使空间域变换到频率域，然后在频率域进行相关滤波操作，最后通过傅里叶逆变换得到滤波后的图像。整个流程如图所示。

傅里叶变换操作

下面我们简单以一张图片为例说明傅里叶变换。由图像直观来看，图像基本为单色调，除去白色矩形边框，几乎没有颜色变化，因此该图像的傅里叶变换几乎主要集中在原点处。

我们首先对该图直接进行FFT

clear
clc
data = imread('Fig0424(a)(rectangle).jpg');
data = rgb2gray(data);
figure(1)
imshow(data)
title('原图像')
F = fft2(data);
S = im2uint8(mat2gray(abs(F)));
figure(2)
imshow(S)
title('傅里叶变换-在4个角显示亮点的谱')

我们可以得到下图，注意该图的4个角显示有亮点，其值就是为傅里叶变换的原点。

                      

这是因为在图像的傅里叶变换中，傅里叶变换为周期函数和对称函数，如下图所示，在原点以左的半个周期中，变换的幅度值从M/2到M-1重复。因为一维FFT仅在M个点上实现，所以在该区域计算机一维变换将产生两个紧邻的半周期。而我们希望在区间[0,M-1]内得到一个完整且正确排序的周期。而我们可以采用在计算前让f(x)乘以(-1)^x来得到。这样做可以将变换的原点移动到点u=M/2处。