032DObjectiveRecognition-1预备知识20130726探究.ppt

频域滤波 傅立叶 变换 滤波器 H(u,v) 傅立叶 反变换 卷积定理 1.6 空域与频域滤波的关系 空间滤波的模板操作属于卷积运算，卷积就是作加权求和的过程。 空间域的卷积（模板操作），等价为频率域的简单相乘。 通过将图像及使用的滤波器（模板）变换到频率域，然后相乘后再回到空间域，就实现了卷积操作。 空域与频域滤波的关系 滤波在频率域更为直观 它可以解释空间域滤波的某些性质。一些在空间域表述困难的增强任务，在频率域中变得非常普通。 频率域可作为空间域的实验室 可以在频率域指定滤波器，做反变换，然后在空间域使用结果滤波器作为空间域滤波器的指导。 一旦通过频率域试验选择了空间滤波，通常实施都在空间域进行。 空域与频域滤波的关系 * 机电工程与自动化学院 视觉检测技术 * 机电工程与自动化学院 视觉检测技术 第3单元图像处理基础Part 1: 预备知识 Preliminary knowledge 2013 主要内容 1）数字图像 2）灰度直方图 3）滤波 4）窗口操作与空域滤波 5）离散傅立叶变换与频率域滤波 6）空间域滤波与频域滤波的关系 1.1 数字图像 位置与明暗 二维离散函数 x y 灰度直方图（Histogram）是灰度级的函数，它表示图像中具有某种灰度级像素的个数，反映了图像中每种灰度出现的频率。 灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。 1.2 灰度直方图 灰度直方图 1 2 3 4 5 6 5 4 5 6 2 14 1 2 3 4 5 6 6 4 3 2 2 1 1 6 6 4 6 6 3 4 5 6 6 6 1 4 6 6 2 3 1 3 6 4 6 6 直方图与概率密度函数 设变量r代表图像中像素灰度级。在图像中，像素的灰度级可作归一化处理，这样，r的值将限定在[0,1]的范围之内 其中，r=0代表黑，r=1代表白。 直方图与概率密度函数 对于一幅给定的图像来说，每一个像素取得[0,1]区间内的灰度级是随机的，也就是说r是一个随机变量，其分布情况就反映了图像的统计特性。 如果灰度级是连续的，r就是连续的随机变量，可以用概率密度函数(Probability Density Function, PDF) pr(r)来表示原始图像的灰度分布。 直方图与概率密度函数 图像灰度分布概率密度函数 直方图与概率密度函数 数字图像中灰度级为离散形式，用rk代表离散灰度级，用pr(rk)代表pr(r) ，有下式成立 直方图与概率密度函数 式中nk为图像中出现rk这种灰度的像素总数，n是图像中像素总数，而 就是概率论中所说的频数。在直角坐标系中作出rk与 的关系图形，这个图形称为直方图。 直方图与概率密度函数 灰度直方图等价为离散形式的概率密度函数 。 1.3 图像滤波的概念 滤波一词起源于通信理论，它是从含有干扰的接收信号中提取有用信号的一种技术。 成像过程可看作获取二维随机信号的过程，图像滤波就是去除信号中可能存在的噪声或干扰。 1.4 模板操作与空域滤波 模板操作是图像处理的基本操作，图像的平滑、图像缘检测等都要用到模板操作。例如，一种常见的平滑算法是将原图中的一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值作为新图像中该像素的灰度值。可用如下方法来表示该操作： 模板操作 将模板在图中漫游，并将模板中心与图中某像素点重合； 将模板上系数与模板下对应像素的灰度值相乘； 将所有乘积相加，并除以系数总和； 用所得结果代替原中心点的值； 模板操作 模板操作 举例 原图像 经过模板操作后 的图像 模板 举例 “－”表示无法进行模板操作的像素点。 解决这个问题可以采用两种简单方法：一种方法是忽略图像边界数据， 另一种方法是在图像四周复制原图像边界像素的值，从而使卷积核悬挂在图像四周时可以进行正常的计算。 计算出来的像素值的动态范围问题，对此可简单地将其值置为0或255即可。 举例 模板操作与空域滤波 空间域滤波是基于模板操作的图像处理方法； 它应用某一模板对每个像元与其周围邻域的所有像元进行某种数学运算得到该像元的新的灰度值； 新的灰度值的大小不仅与该像元的灰度值有关，而且还与其邻域内的像元的灰度值有关。 1.5 傅立叶变换与频域滤波 周期函数的傅立叶变换： 一个周期函数可以表示为一系列振幅和频率不同的正弦和余弦函数的组合 非周期函数的傅立叶变换 f(x) 表示为简单周期函数的线性组合. Where 频率 简单周期函数 给定频率的权重系数 傅立叶变换 傅立叶逆变换 离散傅立叶变换 1维离散傅立叶变换 离散傅立叶变换 2维离散傅立叶变换 2维离散傅立叶