数字图像处理(冈萨雷斯)4fourier变换和频域介绍(dip3e).pptVIP

第4章 频率域滤波——图像的频域分析 频率域滤波 频率域平滑（低通）滤波器 频率域锐化（高通）滤波器 4.1 背景知识 图像的变换域分析的数学基础： 图像变换通常是一种二维正交变换。 4.2 傅里叶变换(一种正交变换) 图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。 一维傅里叶变换对 4.5.5 二维傅里叶变换对 4.6 二维离散傅里叶变换的性质 4.6 二维离散傅里叶变换的性质 4.6 二维离散傅里叶变换的性质 4.6 二维离散傅里叶变换的性质 4.6 二维离散傅里叶变换的性质 4.6 二维离散傅里叶变换的性质 4.6 二维离散傅里叶变换的性质 4.11 二维DFT的实现 4.11 二维DFT的实现 图像傅立叶变换的物理意义 傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示空间上各点，则图像可由z=f(x,y)来表示。由于空间是三维的，图像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。为什么要提及梯度？因为实际上对图像进行二维傅立叶变换得到频谱图|F(u,v)|～(u,v)，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶频谱图上我们看到的明暗不一的亮点，实际上图像上某一点灰度值与邻域点差异的强弱，即梯度的大小，也叫该点(u,v)的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来讲，梯度大则该点的亮度强，否则该点亮度弱。这样通过观察傅立叶变换后的频谱图，也叫功率图就可分析原始图像中灰度的变化情况。 频谱移中的好处 对频谱移频到显示屏中心以后，可以看出图像的频谱分布是以中心为圆心，对称分布的。将频谱移频到圆心除了可以清晰地看出图像频谱分布以外，还有一个好处，它可以分离出有周期性规律的干扰信号，比如正弦干扰，一副带有正弦干扰的图像，移频到中心的频谱图上可以看出除了中心以外还存在以某一点为中心，对称分布的亮点集合，这个集合就是干扰噪音产生的，这时可以很直观的通过在该位置放置带阻滤波器消除干扰 频谱的频域移中 变换系数矩阵F(u,v)的特征 1、若变换矩阵F(u,v)原点设在中心(M/2,N/2)，其频谱能量集中分布在变换系数短阵的中心附近；若所用的二维傅立叶变换矩阵F(u,v)的原点设在左上角(0,0)，那么图像信号能量将集中在系数矩阵的四个角上。这是由二维傅立叶变换本身性质决定的。同时也表明一般图像能量集中在低频区域。 2 、变换之后的图像（频率谱）在原点平移之前四角是低频（最亮部分），平移之后中间部分是低频（最亮部分），亮度大说明能量大（幅值比较大）P155图4.24(b) 例4.13 频率谱 幅度谱 从幅度谱中我们可以看出明亮线反映出原始图像的灰度级变化，这正是图像的轮廓边 幅度谱 从幅度谱中我们可以看出明亮线和原始图像中对应的轮廓线是垂直的。如果原始图像中有圆形区域那么幅度谱中也呈圆形分布 幅度谱 图像中的颗粒状对应的幅度谱呈环状，但即使只有一颗颗粒，其幅度谱的模式还是这样。 幅度谱 这些图像没有特定的结构，左上角到右下角有一条斜线，它可能是由帽子和头发之间的边线产生的 两个图像都存在一些小边界 * 将空域中的信号（图像）变换到另外一个域（频域），即使用该域中的一组单位正交基函数（相同基函数内积为1，不同基函数的内积为0）的线性组合来表示任意函数 使用这组基函数的线性组合得到任意函数f，每个基函数的系数就是f与该基函数的内积 图像变换的目的 使图像处理问题简化； 有利于图像特征提取； 有助于从概念上增强对图像信息的理解； 一般要求： 1. 正交变换必须是可逆的； 2. 正变换和反变换的算法不能太复杂； 3. 正交变换的特点是在变换域中图像能量将集中分布在低频率成分上，边缘、线状信息反映在高频率成分上，有利于图像处理 因此正交变换广泛应用在图像增强、图像恢复、特征提取、图像压缩编码和形状分析等方面 从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数（正、余弦函数）来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域 为什么要在频率域研究图像? ? 可以利用频率成分和图像外表之间的对应关系。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 ?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 ?给出一个问题，寻找某个滤波器解