java实现图像处理高通滤波_数字图像处理-频域滤波-高通/低通滤波

频域滤波

频域滤波是在频率域对图像做处理的一种方法。步骤如下：

滤波器大小和频谱大小相同，相乘即可得到新的频谱。

滤波后结果显示，低通滤波去掉了高频信息，即细节信息，留下的低频信息代表了概貌。常用的例子，比如美图秀秀的磨皮，去掉了脸部细节信息(痘坑，痘印，暗斑等)。高通滤波则相反。

高通/低通滤波

1.理想的高/低通滤波

顾名思义，高通滤波器为：让高频信息通过，过滤低频信息；低通滤波相反。

理想的低通滤波器模板为：

其中，D0表示通带半径，D(u，v)是到频谱中心的距离(欧式距离)，计算公式如下：

M和N表示频谱图像的大小，(M/2，N/2)即为频谱中心

理想的高通滤波器与此相反，1减去低通滤波模板即可。

部分代码：

#定义函数，显示滤波器模板

defshowTemplate(template):

temp= np.uint8(template*255)

cv2.imshow('Template', temp)return

#定义函数，显示滤波函数

defshowFunction(template):

row, col=template.shape

row= np.uint16(row/2)

col= np.uint16(col/2)

y=template[row, col:]

x=np.arange(len(y))

plt.plot(x, y,'b-', linewidth=2)

plt.axis([0, len(x),-0.2, 1.2])

plt.show()return

#定义函数，理想的低通/高通滤波模板

defIdeal(src, d0, ftype):

template= np.zeros(src.shape, dtype=np.float32) #构建滤波器

r, c =src.shapefor i inrange(r):for j inrange(c):

distance= np.sqrt((i - r/2)**2 + (j - c/2)**2)if distance

template[i, j]= 1

else:

template[i, j]=0if ftype == 'high':

template= 1 -templatereturn template

Ideal

2. Butterworth高/低通滤波

Butterworth低通滤波器函数为：

从函数图上看，更圆滑，用幂系数n可以改变滤波器的形状。n越大，则该滤波器越接近于理想滤波器

1减去低通滤波模板即可得到高通滤波模板

部分代码：

#定义函数，巴特沃斯高/低通滤波模板

defButterworth(src, d0, n, ftype):

template= np.zeros(src.shape, dtype=np.float32) #构建滤波器

r, c =src.shapefor i innp.arange(r):for j innp.arange(c):

distance= np.sqrt((i - r/2)**2 + (j - c/2)**2)

template[i, j]= 1/(1 + (distance/d0)**(2*n)) #Butterworth 滤波函数

template[i, j] = np.e ** (-1 * (distance**2 / (2 * d0**2))) #Gaussian滤波函数

if ftype == 'high':

template= 1 -templatereturn template

Butterworth

3. Gaussian高/低通滤波

Guassian低通滤波器函数为：

1减去低通滤波模板即可得到高通滤波模板

部分代码：

#定义函数，高斯高/低通滤波模板

defGaussian(src, d0, ftype):

template= np.zeros(src.shape, dtype=np.float32) #构建滤波器

r, c =src.shapefor i innp.arange(r):for j innp.arange(c):

distance= np.sqrt((i - r / 2) ** 2 + (j - c / 2) ** 2)

template[i, j]= np.e ** (-1 * (distance ** 2 / (2 * d0 ** 2))) #Gaussian滤波函数

if ftype == 'high':

template= 1 -templatereturn template

Gaussian