二维FIR数字滤波器设计——窗函数设计法

冈萨雷斯的选频滤波器太荒谬了，不破不立。

二维FIR（Finite Impulse Response）数字滤波器设计中，窗函数法是一种常用的方法。它基于一维窗函数的设计思想扩展到二维空间。

1. 确定理想频率响应

首先定义理想的频率响应$H_d(u,v)$，其中u和v是频率变量。这通常是一个理想的低通、高通、带通或带阻滤波器的响应。对于图像处理来说，这些滤波器可以用来平滑图像（低通）、锐化图像（高通）等。

2. 计算理想的脉冲响应

利用傅里叶逆变换从理想的频率响应$H_d(u,v)$中计算出对应的理想脉冲响应$h_d(m,n)$，即滤波器的系数。这里m和n是离散空间坐标。然而，这个理想的脉冲响应通常是无限长的，并且包含有吉布斯现象（Gibbs phenomenon），即在不连续点附近出现的振荡。

3. 设计窗函数

选择一个适当的二维窗函数$W(m,n)$来截断并加权理想的脉冲响应$h_d(m,n)$，以创建有限长度的滤波器系数。常用的窗函数包括矩形窗、汉宁窗（Hanning window）、汉明窗（Hamming window）、布莱克曼窗（Blackman window）等。二维窗函数可以通过一维窗函数的乘积形式得到，例如：

$$W(m,n)=w(m)\times w(n)$$

其中$w(m)$和$w(n)$是相同或不同的窗函数。

也有专门为二维设计的窗函数（如圆形窗）。

窗函数的选择会影响滤波器的过渡带宽和阻带衰减特性。

4. 加窗处理

将理想的脉冲响应$h_d(m,n)$与窗函数$W(m,n)$相乘，并获得有限长度的实际脉冲响应$h(m,n)$：

$$h(m,n)=h_d(m,n)\times W(m,n)$$

这样做不仅限定了滤波器的尺寸，而且通过窗函数的应用可以减少吉布斯现象的影响。

5. 滤波器实现

使用获得的滤波器系数$h(m,n)$对输入信号进行卷积操作，从而实现滤波功能。在图像处理中，这意味着对图像像素值应用该卷积核。

6. 性能评估

最后，对设计好的滤波器进行性能评估，检查其是否满足特定的应用需求，如通带纹波、阻带衰减、过渡带宽等指标。如果必要，可以根据评估结果调整窗函数或其他参数重新设计滤波器。

• 窗函数的选择：不同类型的窗函数会影响滤波器的频域特性。例如，矩形窗会提供最窄的主瓣但旁瓣较高；而其他窗函数可能会增加主瓣宽度但减少旁瓣电平。
• 滤波器尺寸：较大的滤波器尺寸可以更好地逼近理想的频率响应，但也会增加计算复杂度。
• 边界效应：在实际应用中，需要注意处理好图像边缘处的卷积运算，避免边界效应带来的失真。

不同结构的滤波器设计

在一维FIR数字滤波器设计——窗函数设计法的基础上，二维滤波器窗函数设计法有圆对称和可分离两种。

圆对称滤波器

1. 确定理想频率响应

首先，定义理想的频率响应$H_d(u,v)$。对于圆对称滤波器，理想频率响应是一个圆盘形状，即在某个半径内为1，之外为0。

$$H_d(u,v)=\{\begin{array}{ll}1& \text{if }\sqrt{u^2+v^2}\le {\omega }_c\\ 0& \text{otherwise}\end{array}$$

其中，${\omega }_c$是截止频率。

2. 计算理想脉冲响应

通过逆离散傅里叶变换（IDFT）将理想频率响应转换为时域的脉冲响应$h_d(m,n)$：

h d ( m , n ) = IDFT { H d ( u , v ) } h_d(m, n) = \text{IDFT}\{H_d(u, v)\} hd​(m,n)=IDFT{Hd​(u,v)}

3. 应用圆对称窗函数

应用高斯窗函数$w(m,n)$来平滑边缘，减少吉布斯现象。

win = fspecial('gaussian',21,2);
win = win ./ max(win(:));

4. 设计滤波器系数

将理想脉冲响应与矩形窗函数相乘，得到实际的滤波器系数$h(m,n)$：

$$h(m,n)=h_d(m,n)\cdot w(m,n)$$

可分离滤波器

1. 定义理想频率响应

定义理想的频率响应$H_d(e^{j{\omega }_1},e^{j{\omega }_2})$。对于可分离滤波器，理想频率响应是一个矩形形状：

$$H_d(e^{j{\omega }_1},e^{j{\omega }_2})=\{\begin{array}{ll}1& \text{if }|{\omega }_1|\le {\omega }_c\text{ and }|{\omega }_2|\le {\omega }_c\\ 0& \text{otherwise}\end{array}$$

其中，${\omega }_c$是截止频率。

2. 计算理想脉冲响应

通过逆离散傅里叶变换（IDFT）将理想频率响应转换为时域的脉冲响应$h_d(m,n)$：

h d ( m , n ) = IDFT { H d ( e j ω 1 , e j ω 2 ) } h_d(m, n) = \text{IDFT}\{H_d(e^{j\omega_1}, e^{j\omega_2})\} hd​(m,n)=IDFT{Hd​(ejω1​,ejω2​)}

3. 分解脉冲响应

将$h_d(m,n)$分解为两个一维滤波器的乘积：

$$h_d(m,n)=h_1(m)\cdot h_2(n)$$

4. 应用窗函数

应用矩形窗函数$w(m)$和$w(n)$来平滑边缘，减少吉布斯现象。

$$w(m)=\{\begin{array}{ll}1& \text{if }|m|\le M/2\\ 0& \text{otherwise}\end{array}$$

$$w(n)=\{\begin{array}{ll}1& \text{if }|n|\le N/2\\ 0& \text{otherwise}\end{array}$$

$M$、$N$为滤波器尺寸。

5. 设计滤波器系数

将理想脉冲响应与矩形窗函数相乘，得到实际的滤波器系数$h(m,n)$：

$$h(m,n)=h_1(m)\cdot w(m)\cdot h_2(n)\cdot w(n)$$