第四章 图像频域滤波

        本章主要内容为二维傅立叶变换及其反变换,频域平滑滤波器、频域锐化滤波器,以及同态滤波器的相关介绍。

        本章要求重点掌握图像频域滤波的基本流程及表示;二维离散傅里叶变换的表示及特点;频域平滑滤波器的基本原理和目的,三种典型滤波器;频域锐化滤波器的基本原理和目的,三种典型滤波器;同态滤波器的基本原理和目的。

        本章科普内容为图像变换域滤波;离散傅里叶变换;频域带通滤波器。

4.1 二维傅里叶变换及其反变换

4.1.1 图像变换域滤波

        图像虽然具有明确视觉意义,但人眼并不能从中直接看出频域信息。通过变换,找出图像的频率成分,有助于图像的增强、去噪。

第四章 图像频域滤波_第1张图片

4.1.2 图像频域滤波

        频率滤波需要先进行傅里叶变换,将图像的空域信息转换到频域进行处理,然后再反变换回空域还原为图像,具体流程如下:

         参考二维傅里叶变换及逆变换公式:

第四章 图像频域滤波_第2张图片

         上述模型中用到的FFT和IFFT对应于快速傅里叶变换与快速傅里叶反变换,空域滤波对应的频域滤波可依次由以下三个公式简单表示:

第四章 图像频域滤波_第3张图片

4.1.3 正弦型变换:离散傅里叶变换(DFT)

4.1.3.1 一维离散傅里叶变换(1D-DFT)

        对于有限长序列f(n) (n = 0, 1, 2, ·····, N-1),其DFT为:

第四章 图像频域滤波_第4张图片

         1D-DFT矩阵表示:

第四章 图像频域滤波_第5张图片

         其中U称为变换矩阵,从U的构成形式可知:

\large U^{T}=U

\large U{(U^{*})}^{T}=I_{N}

        由此可知,U是一个酉矩阵,且

 \large U^{-1}=(U^{*})^{T}=U^{*}

         所以1D-DFT是正交变换,其反变换为:

\large f=U^{-1}F=U^{*}F

4.1.3.2 二维离散傅里叶变换(2D-DFT)

        令f(x, y)表示一幅大小为M×N像素的数字图像,其中x=0, 1, 2, ···, M-1,y=0, 1, 2, ···, N-1。由F(u,v)表示的f(x, y)的二维离散傅里叶变换(DFT)及二维离散傅里叶反变换由下式给出:

第四章 图像频域滤波_第6张图片

         其中,m, n, u, v均为整数0 ≤ m, n, u, v ≤ N-1。使用确定频率的变量u和v,可以将指数项展开为正弦函数和余弦函数。频率域是使用u和v作为(频率)变量,由F(u, v)构成的坐标系,而空间域是使用x和y作为(空间)变量,由f(x, y)构成的坐标系。

        傅里叶变换表示为复数形式:

\large F(u,v)=R(u,v) +jI(u,v)

        傅里叶变换表示成为指数形式:

\large F(u,v)=|F(u,v)|e^{j\phi (u,v)}

         

        幅度谱:                        \large |F(u,v)| = \sqrt{R^{2}(u,v)+I^{2}(u,v)}

        相位:                                 \large \phi(u,v)=arctan\frac{I(u,v)}{R(u,v)}                                

        功率谱:                           \large P(u,v)=R^{2}(u,v)+I^{2}(u,v)

4.1.3.3 2D-DFT的性质

(1)变换核的可分离性

        在离散傅里叶变换中,变换核为:

\large exp[-j2\pi(mu+nv)/N]=W_{N}^{mu+nv}        

\large W_{N}^{mu+nv}=W_{N}^{mu}W_{N}^{nv}

        变换核的可分离性说明2D-DFT可通过两次1D-DFT完成,具体计算如下:

\large F(u,v)=\frac{1}{N}\sum_{m=0}^{N-1}\sum_{n=0}^{N-1}f(m.n)W_{N}^{mu+nv}

\large =\frac{1}{\sqrt{N}}\sum_{m=0}^{N-1}[\frac{1}{\sqrt{N}}\sum_{n=0}^{N-1}f(m,n)W_{N}^{nv}]W_{N}^{mu}

\large =\frac{1}{\sqrt{N}}\sum_{m=0}^{N-1}F(m,v)W_{N}^{mu}=F(u,v)

        因此,我们无论从行方向还是列方向开始对 \large f(m,n) 进行1D-DFT,都可以得到最终的二维傅里叶变换:

第四章 图像频域滤波_第7张图片

 (2)移位特性

第四章 图像频域滤波_第8张图片

 (3)周期性和共轭特性

第四章 图像频域滤波_第9张图片

 (4)旋转不变性

第四章 图像频域滤波_第10张图片

 (5)比例尺(尺度变换)

第四章 图像频域滤波_第11张图片

 (6)平均性

第四章 图像频域滤波_第12张图片

 (7)卷积定理

第四章 图像频域滤波_第13张图片

 (8)实偶函数的DFT

 (9)实奇函数的DFT

第四章 图像频域滤波_第14张图片

4.2 图像频域滤波

4.2.1 频域低通滤波器

(1)理想低通滤波器(ILPF)

第四章 图像频域滤波_第15张图片

        

第四章 图像频域滤波_第16张图片

 (2)Butterworth低通滤波器(BLPF)

第四章 图像频域滤波_第17张图片

         n为整数,称为滤波器的阶数,n越大,通带和阻带的近似性越好,过渡带也越陡。

第四章 图像频域滤波_第18张图片

第四章 图像频域滤波_第19张图片

 (3)指数低通滤波器(ELPF)

第四章 图像频域滤波_第20张图片

 (4)梯形低通滤波器(TLPF)

第四章 图像频域滤波_第21张图片

 (5)高斯低通滤波器(GLPF)

        高斯滤波器的空域和频域形式相同,从频域来看没有振铃现象。

第四章 图像频域滤波_第22张图片

 4.2.2 频域高通滤波器

 (1)理想高通滤波器(IHPF)

第四章 图像频域滤波_第23张图片

第四章 图像频域滤波_第24张图片

(2)Butterworth高通滤波器(BHPF)

第四章 图像频域滤波_第25张图片

第四章 图像频域滤波_第26张图片

 (3)指数高通滤波器(EHPF)

第四章 图像频域滤波_第27张图片

第四章 图像频域滤波_第28张图片

 (4)梯形高通滤波器(THPF)

第四章 图像频域滤波_第29张图片

第四章 图像频域滤波_第30张图片

 4.2.3 频域带通滤波器

(1)双高斯差带通滤波器(DOG)

第四章 图像频域滤波_第31张图片

第四章 图像频域滤波_第32张图片

 4.3 同态滤波

         同态滤波是一种把频率过滤灰度变换结合起来的图像处理方法。它根据图像的照度反射模型,利用压缩亮度范围增强对比度来改善图像质量。

        同态滤波主要为了解决:(1)光照不均匀,则使图像上对应于照度暗的区域,无法分辨细节;(2)动态范围过大,如在夏日强光照射下成像,景物细节无法区分。

        同态滤波可以增强图像暗区细节,同时又不损失图像亮区细节。

\large f(m,n)=f_i(m,n)f_r(m,n)

        入射分量 \large f_i(m,n)\in (0,\infty ) 在空间缓慢变化,处于低频区域;

        反射分量\large f_r(m,n)\in (0,1) 反映细节,处于高频区域。

        同态滤波的滤波滤波步骤:

        (1)图像光照模型建模:

   \large f(m,n)=f_i(m,n)f_r(m,n)

        (2)变换到对数坐标系(注意条件!!!)

\large z(m,n)=lnf(m,n)=lnf_i(m,n)+lnf_r(m,n) 

        (3)变换到频域

\large FFT\{z(m,n)\}=FFT\{lnf_i(m,n)\}+FFT\{f_r(m,n)\}

\large Z(m,n)=I(m,n)+R(m,n)

        (4)用传递函数H实施频域滤波

\large S(m,n)=H(m,n)Z(m,n)=H(m,n)I(m,n)+H(m,n)R(m,n)

        (5)变换回时域

\large s(m,n)=IFFT{S(m,n)}=f'_i(m,n)+f'_r(m,n)

        (6)变换回原坐标

\large g(m,n)=exp\{s(m,n)\}=exp\{f'_i(m,n)+f'_r(m,n)\}

第四章 图像频域滤波_第33张图片

第四章 图像频域滤波_第34张图片

你可能感兴趣的:(数字图像处理(初级学习),计算机视觉,图像处理)