频域平滑滤波 matlab,频域平滑滤波器.ppt

频域平滑滤波器

图象变换的引入 1. 方法：对图象信息进行变换，使能量保持但重新分配。 2. 目的：有利于加工、处理[滤除不必要信息(如噪声)，加强提取感兴趣的部分或特征]。 方法分类 可分离、正交变换: 2D-DFT , 2D-DCT , 2D-DWT 。 用途 1．提取图象特征(如)：(1)直流分量：f(x,y)的平均值=F(0,0)； (2)目标物边缘：F(u,v)高频分量 2．图像压缩：正交变换能量集中，对集中(小)部分进行编码。 3．图象增强：低通滤波，平滑噪声；高通滤波，锐化边缘。 离散傅立叶变换的显示: 通过傅立叶变换模来显示傅立叶变换图象。由于模的值域大于显示的值域，因此要进行动态值域的压缩 D(u,v) = c log(1 + |F(u,v)|) 其中： c = 255 / k; k = max(log(1 + |F(u,v)|)) 先对行做变换： 傅立叶变换是线性系统的函数变换，设： f(x,y) 的傅立叶变换为F{f(x,y)} g(x,y)的傅立叶变换为F{g(x,y)} 有：F{f(x,y)+g(x,y)} = F{f(x,y)}+F{g(x,y)} 4. 周期性 DFT和它的逆变换是以N为周期的： 对于一维傅立叶变换有： F(u) = F(u + N) 对于二维傅立叶变换有： F(u,v) = F(u + M,v+N) 傅立叶变换结果是以原点为中心的共轭对称函数： 对于一维傅立叶变换有： F(u) = F*(-u) 对于二维傅立叶变换有： F(u,v) = F*(-u ,-v) 相似性的描述： a f(x,y) ? a F(u,v) 且有： f(ax,by) ? 1/|ab|F(u/a,v/b) 卷积定理的描述： 空域中的卷积等价于频域中的相乘。 f(x,y)*g(x,y) ? F(u,v)G(u,v) F{f(x,y)*g(x,y)} = F(u,v)G(u,v) 同时有： f(x,y) g(x,y) ? F(u,v)*G(u,v) 频率域的基本性质： 频域的中心邻域对应图像中慢变化部分，较高的频率开始对应图像中变化较快的部分(如：物体的边缘、线条等)。 卷积定理： 空间域的乘法对应频域卷积 频域滤波的折叠误差干扰 使用DFT进行滤波操作，图像及其变换均视为周期性的。 若周期关于函数的非零部分持续时间很靠近，则对周期函数执行卷积运算会导致相邻周期间的干扰——折叠误差干扰。 通过使用零填充函数的方法避免折叠误差干扰。 理想低通滤波器的分析： 理想滤波器传递函数在通带内所有频率分量完全无损地通过，而在阻带内所有频率分量完全衰减。 理想滤波器有陡峭频率的截止特性，但会产生“振铃(ring)”现像使图像变得模糊。 巴特沃斯低通滤波器 BLPF 不同于ILPF，BLPF变换函数在带通和被滤除的频率之间没有明显的截断，有一个平滑的过渡带。 对于有平滑(过渡带)的传递函数H(u,v) 的滤波器，定义一个截止频率位置D0，并在D0处使H(u,v) 幅度降到其最大值的50%。 低通巴特沃斯滤波器在高低频率间的过渡比较光滑 BLPF处理过的图像中都没有明显的振铃效果 与低通滤波器相对，IHPF 将以D0 为半径的圆周内的所有频率置为0，而毫不衰减地通过圆周外的任何频率。 IHPF 也是物理不可实现的，只能通过计算机实现。 和ILPF 一样有振铃现象 高频强调滤波 高通滤波去除了图像中的直流分量，图像失去大部分原图像中的背景色调。 补偿方法：给高通滤波器加上一个偏移量并乘以一个大于1的常数——高频强调滤波 Butterworth 高通滤波器 Results of Butterworth high pass filtering of order 2 with D0 = 15 Results of Butterworth high pass filtering of order 2 with D0 = 80 Results of Butterworth high pass filtering of order 2 with D0 = 30 BHPF 比IHPF 更平滑，相同设置的BHPF边缘失真比IHPF 小得多。 2.巴特沃斯高通滤波器得到的输出图其振铃现像不明显 Gaussian 高通滤波器