(频域图像增强).pptVIP

第四章 频域图像增强 傅里叶变换和频域介绍 平滑的频域滤波器 频域锐化滤波器 同态滤波器 傅里叶变换的实现 傅里叶在1807年指出任意周期函数都可以表示为不同频率的正弦/余弦和的形式。 4.1傅里叶变换和频域介绍 一维傅里叶变换： 二维傅里叶变换： 容易看出， 等于图像的平均灰度值，所以有时也称为频率谱的直流分量。 傅里叶变换的平移 空域滤波和频域滤波之间的关系 频域中的滤波处理 用(-1)x+y乘以输入图像来进行中心位移； 计算图像的DFT，即F(u,v); 用滤波器函数H(u,v)乘以F(u,v); 计算F(u,v)H(u,v)的反DFT; 取(4)步结果中的实部； 用(-1)x+y乘以(5)中的结果。 频域滤波的思想 在傅里叶变换中，低频主要决定图像中平滑区域中总体灰度级的显示，而高频决定图像细节部分，如边缘和噪声。因此通过对频域信息的处理，可以达到对图像的某些特征信息的增强或减弱的目的。 使低频通过而使高频衰减的滤波器称为“低通滤波器”；使低频衰减而使高频通过的滤波器称为“高通滤波器”。 4.2 平滑的频域滤波器 通过衰减指定图像傅里叶变换中高频成分的范围来实现对图像平滑的目的。 理想滤波器 巴特沃思滤波器 高斯滤波器 理想低通滤波器 巴特沃思低通滤波器 巴特沃思低通滤波器特点： 一阶巴特沃思滤波器没有振铃效应，二阶振铃效应很小，随着阶数增加，振铃效应加重。 阶数n趋于无穷时，巴特沃思滤波器成为理想滤波器。 二阶巴特沃思滤波器是在有效的低通滤波和可接受的振铃效应之间的折中。 高斯低通滤波器 高斯低通滤波器特点： 没有振铃效应。 对应的空域滤波器也是高斯型的 4.3 频域锐化滤波器 理想滤波器 巴特沃思滤波器 高斯滤波器 理想高通滤波器 巴特沃思高通滤波器 高斯高通滤波器 频域的拉普拉斯算子 4.4 同态滤波 4.5傅里叶变换的实现 4.5.3 DFT的周期性 4.5.4 卷积和相关的关系 二维： 4.5.6 快速傅立叶变换FFT 解决办法： 设f和h分别由A个和B个点组成，对两个函数同时进行延拓，添加0使得它们具有相同的周期P 当P=A+B-1时，卷积的两个周期才不会发生混叠。 二维扩展是类似的，设图像f(x,y)和滤波器大小分别为AxB和CxD,则扩展周期为 循环卷积: 设序列x(n), h(n)都是N点序列，它们的DFT分别是X(k), H(k)。则他们的循环卷积y(n)定义为： 其中(n mod N)表示以N为模对n求余. 上式还可以简写成如下形式： 它的矩阵形式为： 时域及频域循环卷积定理： 令x(n), h(n), y(n) 都是N点序列，它们的DFT分别是X(k), H(k), Y(k)，则有： 可以看出，在计算x(n)和y(n)的互相关时，两个序列都不翻转，只是将y(n)沿时间轴移动与x(n)对应相乘相加。而在计算这两个信号的卷积的时候，需要先将一个序列翻转后再移动。因此为了要用卷积来计算相关，就需要将其中的一个序列预先翻转一次，做卷积的时候再翻转一次。 注意：尽管相关和卷积在计算形式上有相似之处，但二者所表示的物理意义是不同的。线性卷积表示了一个线性移不变系统的输入、输出和系统响应之间的关系，而相关反映了两个信号之间的相似性。 离散卷积定义: 频域拉普拉斯算子可由如下滤波器实现： 图像f(x,y)可以表达成照度和反射两部分的乘积： 但是， 则增强处理后图像g(x.y)为： 给定一个频域滤波函数H(u,v) 一般来说，图像的照射分量通常变化较为缓慢，而反射分量反映了物体的光学反射特性，主要为图像的边缘和细节部分。这些特性导致图像取对数后的傅里叶变换的低频成分与照度相关，而高频成分与反射分量相关。 gL1,并且gH1, 该滤波器减少低频，提升高频，如： 同态滤波处理流程： 4.5.1 二维傅里叶变换的性质： 平移： 当u0=M/2且v0=N/2时， 因此有 分配性和比例变换性： 旋转性： 引入极坐标 则有： 以角度 旋转f(x,y), 则F(u,v)也将旋转相同角度. 周期性和对称性： 可分性： 其中， 结论：二维傅里叶变换可以通过先对输入图像的每一行进行一维变换，然后沿中间结果的每一列再进行一维傅里叶变换得到。 4.5.2 采用傅里叶正变换算法计算傅里叶反变换 上式两边取复共轭，并用M同时除以等式两边，可得 注意：如果f(x,y)是一实函数，则经过傅里叶正变换和反变换后，由于离散计算数值误差的原因，会导致反变换后得到的f(x,y)不再是一个实函数，而是包含有一个误差的复数项，虚部不为零。此时可以直接取结果的实部做为反变换的结果。 从上式可以看出，计算傅里叶反变换