数字图像处—频域滤波.pptVIP

四种低通滤波器的比较 低通滤波的其它例子 ： 1、字符识别： 下图：断裂现象 低通滤波的其它例子 ： 2、卫星和航空图像： 下图：墨西哥湾和佛罗里达图像存在“扫描线” （用高斯低通来处理） 图像轮廓是灰度陡然变化的部分，包含着丰富的空间高频成分。 把高频分量相对突出，显然可使轮廓清晰。 高频滤波器使高频分量相对突出，而低频分量和甚高频分量则相对抑制。 高通滤波器 图a：D0=15 图b：D0=30 图c：D0=80 图a：D0=15 图b：D0=30 图c：D0=80 图a：D0=15 图b：D0=30 图c：D0=80 4.4.4 频率域的拉普拉斯算子 根据傅氏变换性质有： 可得到： 即： 频域的拉氏算子为： （同样要中心化） 4.4.4 频率域的拉普拉斯算子 曲线形状见右图 4.4.4 频率域的拉普拉斯算子 可从原始图像中减去（而不是加）拉氏算子而形成增强图像， 效果见右图： 增强图像可用下式得到： 频域滤波 法国数学家傅立叶提出，任何周期函数都可以表示为不同频率的正弦或余弦的和的形式。→傅氏级数； 对于非周期函数，则用正弦和余弦及加权函数的积分来表示。→傅氏变换; 应用极为广泛，尤其是数字计算和快速算法的发明，在信号处理领域产生了具大变革。 一维傅立叶变换及其反变换 离散形式： 频域→不同的频域成份，可以表示成极坐标（复数）形式： 功率谱 “谱密度” 信号频谱分析示意图如右图所示： 二维DFT及其反变换 功率谱： 可以证明： 原点被放置在 上 空间域和频率域抽样点之间的关系： 下图实例： 中心化，矩形宽高化为2∶1 反映到频域轴亮点间距恰好相反 3 频率域滤波 一般不大可能建立图像特定分量和其变换之间的直接联系，但可以建立傅氏变换的频率图像中的强度变化模式之间的联系。 例如，低频对应图像的慢变化分量（墙，地板），而高频分量对应着图像中灰度变化联系地方（边缘，噪声）。 频率域滤波基本步骤： 1、 原图像 2、 3、 4、反DEF 5、实部 6、用 结果。 被滤波图像 频域增强的原理 频率平面与图像空域特性的关系 图像变化平缓的部分靠近频率平面的圆心，这个区域为低频区域 图像中的边、噪音、变化陡峻的部分，以放射方向离开频率平面的圆心，这个区域为高频区域 频域滤波增强 频域增强的原理 边、噪音、变化陡峭部分 变化平缓部分 u v 频域滤波增强 频域滤波增强 频域滤波增强 频率域的滤波步骤 用(-1)x+y乘以输入图像进行中心变换 2. 计算1中的DFT F(u,v) 3. 用滤波器函数H(u,v)乘以F(u,v) 4. 计算3中结果的反DFT 5. 得到4中结果的实部 6. 用(-1)x+y乘以5中的结果，取消输入图像的 乘数. 思想：通过滤波器函数以某种方式来修改图像 变换，然后通过取结果的反变换来获得处理后 的输出图像 1 理想低通滤波器 是点 距频率原点的距离。 如果图像大小 ，其变换亦为 中心化之后，矩形中心在 则 说明：在半径为D0的圆内，所有频率没有衰减地通过滤 波器，而在此半径的圆之外的所有频率完全被衰减掉 理想低通滤波器 一幅大小的图像的总的功率谱 若变换被中心化，原点在频率矩形中心，半径为r的圆包含 %的功率： 可以此来建立一组标准截止频率的对立量，具体例子如右图所示： 巴特沃思低通滤波器n阶巴特沃思低通传函数 截止频率距原点距离为 透视图 滤波器 阶数从1到4的滤波器横截面 应用：可用于平滑处理，如图像由于量化不足产生虚假轮 廓时，常可用低通滤波进行平滑以改进图像质量。通常， BLPF的平滑效果好于ILPF。 原图 半径是15的BLPF滤波 半径是80的BLPF滤波 半径是5的BLPF滤波 半径是30的BLPF滤波 半径是230的BLPF滤波 高斯低通滤波器 截止频率，当 时，滤波器下降到其最大值的0.607处。 无振铃现象，曲线见下图所示： 原图 半径是15的GLPF滤波 半径是80的GLPF滤波 半径是5的GLPF滤波 半径是30的GLPF滤波 半径是230的GLPF滤波 原图 D0=100的GLPF滤波 D0=80的GLPF滤波，