artifacts 纰漏
个人总结不一定对:图像复原中损失高频信息的话会产生振铃效应。
理想低通滤波器在频率域的形状为矩形,那么其傅立叶逆变换在时间域为sinc函数
图像处理中,对一幅图像进行滤波处理,若选用的频域滤波器具有陡峭的变化,则会使滤波图像产生“振铃”,所谓“振铃”,就是指输出图像的灰度剧烈变化处产生的震荡,就好像钟被敲击后产生的空气震荡。如下图:
振铃现象产生的本质原因是:
对于辛格函数sinc而言,经过傅里叶变换之后的函数形式为窗函数(理想低通滤波器)形式,用图像表示如下:
图1.左边为矩形窗函数,右边为辛格函数(将左边的空域换成频域,右边频域换成空域)
因此凡具有接近窗函数的滤波器,IFT之后,其空域函数形式多少接近sinc函数。sinc是进行图像滤波的主要因素,两边的余波将对图像产生振铃现象。
由卷积定理可将下面两种增强联系起来:
频域增强:
空域卷积:
其中f,g,h分别为输入图像,增强图像,空域滤波函数;F,G,H分别为各自的傅里叶变换。*为卷积符号。
在空间域将低通滤波作为卷积过程来理解的关键是h(x,y)的特性:可将h(x,y)分为两部分:原点处的中心部分,中心周围集中的成周期分布的外围部分。前者决定模糊,后者决定振铃现象。若外围部分有明显的震荡,则g(x,y)会出现振铃。利用傅里叶变换,我们发现,若频域滤波函数具有陡峭变化,则傅里叶逆变换得到的空域滤波函数会在外围出现震荡。
下面给出三个常用的低通滤波器:理想型、巴特沃斯型、高斯型。
并分析他们对用的