zoukankan      html  css  js  c++  java
  • 图像频域滤波器简介

    卷积理论是频域技术的基础,函数f(x,y)与线性不变算子h(x,y)的卷积结果就是增强后的图像g(x,y),即有:

    g(x,y)=h(x,y)⨂f(x,y)
    根据卷积理论,函数卷积的傅里叶变换是函数傅里叶变换的乘积。因此可将上式模型化为:
    G(x,y)=H(x,y)F(x,y)
    频域增强技术一般来说分为3个步骤: - 对原图像进行傅里叶变换为频域内的图像。 - 构建合适的转移函数(转移函数的逆变换为h(x,y)),并将傅里叶变换后的图像与其相乘。 - 相乘后的结果进行傅里叶逆变换即可得到增强后的图像。 对于上述三点有公式如下:
    g(x,y)=T^(-1) [H(u,v)F(u,v)]
    式中T^(-1) 为反变换,H(u,v)为转移函数,F(u,v)为原图像f(x,y)的傅里叶变换。 ##理想低通滤波器 理想低通滤波器的转移函数如下:
    ![](https://img2018.cnblogs.com/blog/1590349/201903/1590349-20190305174419096-2102774875.png)
    式中D0是一个非负整数,称为截止频率,D(u,v)是(u,v)该点到频率平面原点的距离。转移函数绘制成函数图像效果如下图所示。
    ![](https://img2018.cnblogs.com/blog/1590349/201903/1590349-20190305174433630-1562826921.png)
    对一个理想低通滤波器的H(u,v)作反变换,则可知道h(x,y)中同心圆环的半径反比于D0。对于一个理想滤波器来说,如果D0较小会使得图片模糊,D0较大则模糊减小,但是当其超出F(u,v)的定义域,则h(x,y)所对应的空间区域值为1,相当于没有滤波。遗憾的是,理想低通滤波器不能使用实际电子器件实现。 ##巴特沃斯低通滤波器 一个阶为n,截止频率为D0的巴特沃斯(Butterworth)低通滤波器的转移函数为:
    ![](https://img2018.cnblogs.com/blog/1590349/201903/1590349-20190305174447797-838722897.png)
    一般情况下,截止频率有两种取值,一是使H降到最大值的百分之50的频率为截止频率,二是使H降到最大值的百分之71.7的频率为截止频率。 巴特沃斯低通滤波器在阶为1时没有振铃现象,随着阶的增加,振铃现象也增加。 ##理想高通滤波器 理想高通滤波器和理想低通滤波器正好相反,其转移函数如下:
    ![](https://img2018.cnblogs.com/blog/1590349/201903/1590349-20190305174455931-931477421.png)
    转移函数绘制成函数图像效果如下图所示。
    ![](https://img2018.cnblogs.com/blog/1590349/201903/1590349-20190305174504880-825077257.png)
    同样,理想高通滤波器也不能使用实际电子器件实现。 ##巴特沃斯高通滤波器 与巴特沃斯低通滤波器类似,巴特沃斯高通滤波器常取使使H降到最大值的某个百分值的频率为截止频率,其转移函数为:
    ![](https://img2018.cnblogs.com/blog/1590349/201903/1590349-20190305174517364-1541177215.png)
  • 相关阅读:
    使用C++为对象分配与释放内存时的几个好习惯
    OGRE渲染流程
    【问题解决记录】无法识别的标志“-sdlMode”,在“p2”中
    四元数 Quaternion
    《The Cg Tutorial》阅读笔记——凹凸贴图 Bump Mapping
    尝试优化骨骼动画计算的意外收获——使用嵌入式汇编对float转int进行优化
    Model 的 Meta 选项
    dns资料
    ansible中的变量
    DockerFile与docker-compose.yml是什么
  • 原文地址:https://www.cnblogs.com/ly999/p/10478256.html
Copyright © 2011-2022 走看看