东红林++于莲芝
摘要:当前,数字图像处理已渗透到各行各业,图像滤波是数字图像处理的预处理,能对图像的一些特征加以有效改善。除空间域滤波外,频率域滤波也具有重要价值和意义,用傅里叶级数或变换将图像转化的频域进行低通滤波、高通滤波等处理,再通过傅里叶反变换进行重建,不仅不会丢失任何信息,还可以完成空间域无法完成的处理。
关键词:图像滤波;傅里叶变换;低通滤波;高通滤波
DOIDOI:10.11907/rjdk.171680
中图分类号:TP317.4
文献标识码:A文章编号:16727800(2017)010020504
0引言
数字图像处理已应用于社会生活的各个领域,特别是近几年火热的人工智能领域。在实际中难免会遇到一些质量较差的图像,如图像模糊不清、有噪声等,因此在应用图像前,图像预处理尤为重要。鉴于此,研究图像的频率域滤波具有重要意义。频域滤波以图像的傅里叶变换为基础,通过对傅里叶谱和相角进行分析再修改傅里叶变换以达到特殊目的,常用的有高通滤波和低通滤波。
1基本概念
1.1傅里叶级数及变换
傅里叶指出无论函数有多复杂,只要它是周期性的,并且满足一定的数学条件,就一定可以用这种正弦和或者余弦和的形式表示。甚至在有些情况下,非周期函数也可以用正弦和或者余弦和的形式表示[1]。
傅里叶级数:
f(t)=∑∞n=-∞cnejzπnTt(1)
其中,f(t)是具有周期的连续变量函数。
cn=1T∫T/2-T/2f(t)e-j2πnTtdt,
(n=0,±1,±2,…)(2)
傅里叶变换:
F(u)=∫∞-∞f(t)e-j2πutdt(3)
傅里叶反变换:
f(t)=∫∞-∞F(u)ej2πutdu(4)
卷积:
f(t)Θh(t)=∫∞-∞f(τ)h(t-τ)dτ(5)
其中,Θ表示卷积算子。
卷积定理:
f(t)Θh(t)H(u)F(u)f(t)h(t)H(u)ΘF(u)(6)
双箭头表示左右两端经过傅里叶变换的转换。
1.2二维(图像)傅里叶变换
图像可以看成是一个特殊的二维信号,每一点的灰度级就是图像信号上这一点的“幅度”。根据信号的概念,频率就是信号变化的快慢,指图像空间上灰度变换的快慢,也即图像的梯度变化,频率比较大的是图像中的“边界”或“边缘”。举例来讲,如果一幅图整体变化不大(比如一张白纸),则它在频率域下低频成分很多,而高频成分极少;而如果是一幅道路上斑马线的图,则其高频成分比白纸多得多。