振铃效应（ringing artifacts）

 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