空域处理之滤波器

一. 线性移不变系统

1.线性系统 H

• 可叠加性： $H[(f_1(x,y)+f_2(x,y)]=H(f_1(x,y))+H(f_2(x,y))$
• 伸缩性：$H[af(x,y)]=aH[f(x,y)]$

2. 移不变系统H

• 移不变性： 若$H[f(x,y)]=g(x,y)，则H[f(x-a,y-b)]=g(x-a,y-b)$

二. 卷积运算

$$(f\ast g)(x)={\int }_{-\infty }^{\infty }f(\tau )g(x-\tau )d\tau$$
1. 卷积运算过程
$\stackrel{◯}{1}$: 置换变量：$x\to \tau$
$\stackrel{◯}{2}$: 反转： $\tau \to -\tau$
$\stackrel{◯}{3}$: 右移x： $-(\tau -x)\to x-\tau$
$\stackrel{◯}{4}$: 对应位置相乘相加： ${\int }_{-\infty }^{\infty }f(\tau )g(x-\tau )d\tau$

2.卷积运算性质

• 交换性: $f\ast g=g\ast f$
• 结合性: $f\ast g\ast z=f\ast (g\ast z)$
• 分配性: $f\ast (g+h)=f\ast g+f\ast h$

3. 卷积是线性移不变系统在空域/时域的数字模型：
   若已知一个线性移不变数字系统对单位脉冲的响应，我们可以知道该系统对任何输入的输出响应，卷积就是获得输出索要采用的数字计算。
首先 $z[t]=x[t]\ast y[t]=[1]\ast [2,0,-2]=[2,0,-2]$,一般地当输入$x[t]=[1],z[t]=x[t]\ast y[t]=y[t]$

序号	刺激信号 $x[t]$	系统响应 $z_0$
$\stackrel{◯}{1}$	$1\cdot [100]$	$1\cdot 21\cdot 01\cdot (-2)00$
$\stackrel{◯}{2}$	$2\cdot [010]$	$02\cdot 22\cdot 02\cdot (-2)0$
$\stackrel{◯}{3}$	$3\cdot [001]$	$003\cdot 23\cdot 03\cdot (-2)$

现在首先输入 $x[t]=[1,2,3]=1\cdot [1,0,0]+2\cdot [0,1,0]+3\cdot [0,0,1]$，$y[t]=[2,0,-2]$
$\stackrel{◯}{1}$用信号$x_0=1\cdot [100]$ 刺激系统时，有响应$z_0=[1\ast 21\ast 01\ast (-2)00]$
$\stackrel{◯}{2}$用信号$x_1=2\cdot [010]$ 刺激系统时，有响应$z_0=[02\ast 22\ast 02\ast (-2)0]$($伸缩性，移不变性$)
$\stackrel{◯}{3}$用信号$x_1=3\cdot [001]$ 刺激系统时，有响应$z_0=[003\ast 23\ast 03\ast (-2)]$

当我们把用信号$x_0{x}_1{x}_2$叠加起来刺激系统时，由响应变成对应的响应的叠加$z[t]=z_0+z_1+z_2=[244-4-6]$（$叠加性$）

三.空域滤波器

1.线性滤波器MATLAB实现
$$g=imfilter(f,w,fillterin{g}_{m}ode,boundar{y}_{o}ptions,sizeoptions)$$
其中$bounda{y}_{o}ptions$有4个选项：“P”,“replicate”,“symetric”,“circular”
如$[12345]$,则填充

边界选项	填充后的数组
‘P’ 或 ‘circular’	4 5 1 2 3 4 5 1 2
‘replicate’	1 1 1 2 3 4 5 5 5
‘symmetric’	2 1 1 2 3 4 5 5 4

$fillterin{g}_{-}mode$:$corr,conv$(当卷积核为中心对称时，相关和卷积等价)
注意：imfilter之前使用im2double：     在计算过滤后图像的每个像素时，系统都使用双精度浮点运算，最后imfilter会将输出图像转化为与输入图像相同的类。因此，如果输入时整数数组，那么超过整数类型范围的输出像素值将被截断，小数值将被四舍五入。如果希望结果更精确，那么应该在使用imfilter之前使用im2double或double转换为double类。
2.锐化空间滤波器
锐化通常是通过空间差分来完成的。

• 一维函数f(x)一阶导数的一个基本定义就是差分：
  $$\frac{\partial f}{\partial x}=f(x+1)-f(x)$$

• 二阶导数
  $$\frac{{\partial }^{2}f}{\partial x^2}=f(x+1)+f(x-1)-2f(x)$$
  $$\begin{array}{rl}\frac{{\partial }^{2}f}{\partial x^2}& =\frac{\partial }{\partial x}\left(f(x)-f(x-1)\right)\\ & =\frac{\partial }{\partial x}f(x)-\frac{\partial }{\partial x}f(x-1)\\ & =f^{\prime }(x)-f^{\prime }(x-1)\\ & =\left(f(x+1)-f(x)\right)-\left(f(x)-f(x-1)\right)\\ & =f(x+1)+f(x-1)-2f(x)\end{array}$$

• 应用：拉普拉斯滤波器：
  （1）拉普拉斯算子$\Delta f=\frac{{\partial }^{2}f}{\partial x^2}+\frac{{\partial }^{2}f}{\partial y^2}=[f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)]-4f(x,y)$
  （2）图像增强： $g(x,y)=f(x,y)-{\Delta }^{2}f(x,y)=5f(x,y)-[f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)]$