第7章_频域图像增强处理.ppt

一个二维的理想低通滤波器（ILPF）的转换函数满足（是一个分段函数） 其中：D0 为截止频率 D(u,v)为距离函数 D(u,v)=[(u-m/2)2+(v -n/2 ) 2]1/2 理想低通滤波器的示意图 理想低通过滤器的截止频率（ D0 ）的设计 －先求出总的信号能量PT ： 其中： p(u,v) = |F(u,v)|2 = R2(u,v) + I2(u,v) 是能量模。 －如果将变换作中心平移，则一个以频域中心为原点，r为半径的圆就包含了百分之β的能量 －求出相应的D0（设原点在频率中心） D0 = r =(u2 + v2)1/2 整个能量的92%被一个半径为5的小圆周包含。 理想低通过滤器的分析 整个能量的92%被一个半径为8的小圆周包含,大部分尖锐的细节信息都存在于被去掉的8%的能量中； 小的边界和其它尖锐细节信息被包含在频谱的至多0.5%的能量中； 被钝化的图像被一种非常严重的振铃现象——理想低通滤波器的一种特性所影响。 一个截止频率在与原点距离为D0的n阶Butterworth低通滤波器的变换函数如下： Butterworth低通滤波器的示意图 Butterworth过滤器截止频率的设计 变换函数中不存在一个不连续点作为一个通过的和被过滤掉的截止频率的明显划分； 通常把H(u,v)开始小于其最大值的一定比例的点当作其截止频率点； 当 D(u,v) =D0时，H(u,v) = 0.5 Butterworth低通滤波器的分析 在任何经BLPF处理过的图像中都没有明显的振铃效果，这是过滤器在低频和高频之间的平滑过渡的结果； 低通滤波是一个以牺牲图像清晰度为代价来减少干扰效果的修饰过程。 （1）频域高通滤波的基本思想 G(u,v)=F(u,v)H(u,v) F(u,v)是需要锐化图像的傅立叶变换形式。 目标是选取一个过滤器变换函数H(u,v)，通过它减少F(u,v)的低频部分来得到G(u,v)。 运用傅立叶逆变换得到锐化后的图像。 （2）理想高通滤波器（IHPF） 理想高通滤波器的示意图 （3）Butterworth高通滤波器（BHPF） Butterworth高通滤波器的示意图 （1）问题的提出：普通的高通滤波器把低频成分被严重地消弱了，使图像失去层次。 （2）改进措施： 高频提升滤波——把一定比例的原始图像加到过滤后的结果中。 高频加强滤波——使图像高频成分得到增强。 为了解决变暗的趋势，在变换结果图像上再进行一次直方图均衡化。这种方法被称为后过滤处理。 同态滤波器的基本思想 一个图像f(x,y)可以根据它的明度和反射分量的乘积来表示 f (x,y) = i (x,y)r (x,y) 其中：i (x,y)为明度函数， r (x,y)反射分量函数 通过同时实现压缩亮度范围和增强对比度，来改进图像的表现。 同态滤波器的定义 因为两个函数乘积的傅立叶变换不是可分离的，也即： F{f(x,y)} ≠ F{i(x,y)}F{r(x,y)} 然而假设我们定义 z(x,y) = ln f(x,y) = ln i(x,y)r(x,y) = ln i(x,y) + ln r(x,y) 则有： F{z(x,y)} = F{ln f(x,y)} = F{ln i(x,y)} + F{ln r(x,y)} 或 Z(u,v) = I(u,v) + R(u,v) 其中I(u,v) 和R(u,v)分别是ln i(x,y) 和ln r(x,y)的傅立叶变换。 用过滤器函数H(u,v)的方法处理Z(u,v)，有： S(u,v) = H(u,v)Z(u,v) = H(u,v)I(u,v) + H(u,v)R(u,v) 其中S(u,v)是结果图像的傅立叶变换 在空域中： s(x,y) = F-1{S(u,v)} = F-1{H(u,v)I(u,v)} + F-1{H(u,v)R(u,v)} 通过设： i’(x,y) = F-1{H(u,v)I(u,v)} r’(x,y) = F-1{H(u,v)R(u,v)} 则： s(x,y) = i’(x,y) + r’(x,y) 利用前述概念进行增强的方法可以归纳为： 这个方法基于一类称作同态系统的特殊情况。在此特定应用中，问题的关键在于将明度和反射分量用进行分离。同态过滤器函数H(u,v)能够分别对这两部分进行操作。 同态过滤器的效果分析 图像的明度分量的特点是平缓的空域变化，而反射分量则近于陡峭的空域变化 这些特性使得将图像的对数的傅立叶变换的低频部分对应于