1、频率滤波
图像的空间域滤波:用各种模板直接与图像进行卷积运算,实现对图像的处理,这种方法直接对图像空间操作,操作简单。图像处理不仅可以在空间域进行还可以在频率域进行,把空间域的图像开窗卷积形式,变换得到频率域的矩阵点乘形式得到比较好的效果。图像频域滤波,先把图像转换到频域空间,然后对不同的频率点进行滤波,使用信号处理的技术,对图像实现滤波。比如实现图像的轮廓提取,在空间域滤波中我们使用一个拉普拉斯模板就可以提取,而在频域内,我们使用一个高通滤波模板,可以实现轮廓的提取。
图像特征与像素点数值的关系:
图像尺寸418*564,如果把每一行所有像素,一行564个点的灰度作为一维向量画图,取前三行画成三条曲线,就得到了下面的图形。
subplot(2,1,1);imshow(img), title('原始图像');line1 = img(1, :);line2 = img(2, :);line3 = img(3, :);subplot(2,1,2);hold onplot(line1, 'r');plot(line2, 'g');plot(line3, 'b');
输出结果如下图。
![1d1da51ad50e18aca0605b6168535b1c.png](https://i-blog.csdnimg.cn/blog_migrate/c2055b4a6679856ec30fc6ff6d912436.jpeg)
图像前几行的特征如下图(为了方便观察提取了不止三行):
![bb6180854d36520a4f4d6f1dad754d14.png](https://i-blog.csdnimg.cn/blog_migrate/74fc84781459dc9a026175c015073469.jpeg)
从图像矩阵前几行的像素特征可见,图像平坦的地方像素曲线也平坦,图像亮的地方就是图像像素剧烈变化的地方,图像像素值发生较大差异的地方也是图像发生突变的地方,这些位置一般就是图像轮廓。图像的频率体现了图像中灰度变化剧烈程度,是灰度在平面空间上的梯度。所以前面讲的空域滤波,可以使用平滑来滤除噪声实现平滑,从上面曲线图像上看,可以按照信号处理思想来理解,平滑滤波就是频率低通。对应的,频率高通滤波就是空域的提取边界。
2、图像傅里叶变换
傅里叶变换可以将一个时域信号转换成在不同频率下对应的振幅及相位,