[工学]数字图像处理第六章.pptVIP

？ 目的：锐化图象，提升（突出)边界、轮廓细节 衰减低频，强调高频 6. 3 高通滤波 图象细节边缘 、尖锐变化属于傅立叶 变换的高频分量 （灰度变化剧烈） 图象背景平坦区属于傅立叶变换的低频分量（灰度变化缓慢） 高频：支架边沿，建筑物 轮廓等 低频：背景（平坦区） 原理 原理：卷积定理－－时域卷积，频域乘积 （一个信号经过一个系统后输出是信号与系统函数的卷积） FFT 转移函数H(u,v) I FFT f(x,y) F(u,v) G(u,v)=F(u,v)H(u,v) g(x,y) f(x,y)：实际（原始）图象 g(x,y) ：增强图象 H(u,v) ：转移函数（频率传递函数）（频域处理中的关键） H(u,v) 1 理想高通滤波器 转移函数 D0 结果 原图 D0=10 D0=20 严重的振铃效应 振铃效应产生原因和表现 1 理想高通滤波器转移函数 H(u,v)【频域函数】 的反变换 h(x,y) 0 1/D0 h(x) 0 D0 h(u) 1 【空域函数】图象表现是一系列明暗相间的同心圆环——振铃效应 设 f(x) 是脉冲函数（图象中是一亮点），经过高通滤波器 h(x) 之后的响应 r(x)=h(x)*f(x) * 0 X0 f(x) = 相当于将一个点扩展开，扩展成许多圆环，即将一个点模糊 r(x)=f(x)*h(x) 0 0 1/D0 h(x) 振铃效应表现 振铃效应产生原因 图象表现是一系列明暗相间的同心圆环——振铃效应 转移函数的锐截止特性 理想高通滤波器处理结果：有严重的振铃效应，图像模糊 振铃效应： A D0为5，15，30频域图象 B 相对应的时域图象（振铃效应） d b和c卷积的空域结果，c通过 高通滤波器a的结果 a 半径为5的理想高通 滤波器的频域图 b 相应的空域图 c 空域的五个脉冲（模拟 五个象素点的值） 2 巴特沃斯高通滤波器 n阶 转移函数 D(u,v)/D0 H(u,v) 1 结果：振铃效应小（有平滑的过渡带） 3 其他高通滤波器 D(u,v) H(u,v) D0 D1 1 D(u,v)/D0 H(u,v) 1 高斯高通滤波器 结果：比前两个滤波器更平滑，即使对微小物体和细条过滤也是较清晰的 梯形高通滤波器相对于理想高通滤波器转移函数在高低频之间有个过渡，可减弱一些振铃现象。 当由于过渡不够光滑，振铃现象一般比巴特沃斯的强。 指数高通滤波器与指数低通滤波器函数互补，它在高低频之间有比较光滑的过渡，所以振铃现象比较弱（对高斯高通滤波器没有振铃现象）。 相比巴特沃斯高通滤波，指数高通滤波器转移函数随着频率增加在开始阶段增加比较快，能使一些低频分量可以通过，对保护图像的灰度层次有利。 D0=15,振铃严重产生失真，物体边界（大字母a）被加粗，顶部3个圆边缘不是很清晰（这3个灰度接近北京那个，产生微小幅度不连续） D0=30,虽边缘失真仍比较明显，但对小物体的过滤效果较好，这种滤波器的点的大小比D0=15的滤波器更小。 D0=80，边缘更加清晰，失真更小，而且细小的物体也能得到正确的过滤。 边缘失真比理想高通的小，过滤小目标的效果更好。 D0越大，保存的低频越少，高频更突出，图象边缘更清晰 结果比前两个更平滑，对微小物体和细条的过滤更清晰 4 频域高通滤波增强 （高频增强滤波器） 一般图像的大部分能量主要集中在低频分量里，高通滤波就会将很多低频（特别是直流分量）滤除，导致增强图中边缘得到加强但光滑区域灰度减弱变暗甚至接近黑色。 为解决这个问题，可对频域里的高通滤波的转移函数加一个常数以将一些低频分量加回去，获得既保持光滑区域灰度又改善边缘区域对比度的效果。 这样得到的滤波器称为高频增强 滤波器。 原理与空域的增强类似 增强：补充回部分低频信息 （高通将大部分低频滤除，虽边界增强，但大部分平滑区域动态范围被压缩，大多数变为0和很小，整个图象变暗） 实现：转移函数加常数 He(u,v)=H(u,v)+C C∈[0，1] 则 ge(x,y)=g(x,y)+C×f(x,y) g(x.y):高通滤波后图象 实际实现中，可以给高频增强滤波转移函数乘以一个常数K(K大于1的常