频率域图像增强第2版.ppt

2、图像傅里叶频谱特性及其频谱图 （a）原图像 （b）移动前的幅度谱 （c）移动后幅度谱 5.1.3 图像的傅里叶频谱特性分析 2、图像傅里叶频谱特性及其频谱图 对于式(5.20): 当u0=M/2，v0=N/2时，有 也即 也就是说，图5.5的频谱图(a)和(b)实质上是函数 的傅里叶频谱图。 5.1.3 图像的傅里叶频谱特性分析 图5.2(b) 频谱图 图5.3(b) 频谱图 图5.5 原点平移到(M/2，N/2)后的频谱图 原点在(0,0) 时的频谱图: 的傅里叶频谱图。 的傅里叶频谱图。 5.1.3 图像的傅里叶频谱特性分析 3、傅里叶变换在图像处理中的应用 基本思路是: 先用(-1)(x+y)乘以图像得(-1)(x+y)f(x,y)；然后对其进行傅里叶正变换得到原点在(M/2,N/2)之处的F(u,v)；接着根据图像的频率特性，利用有关的低通频率滤波器，或高通频率滤波器等，对其进行滤波处理；再将处理的结果进行傅里叶反变换；最后给反变换的结果再乘以(-1)(x+y)就可得到最终的结果。 典型的应用有：去除图像噪声、图像数据压缩、图像识别、图像重构和图像描述等。 5.1.3 图像的傅里叶频谱特性分析 5.1.4 快速离散傅里叶变换及其实现 1、快速离散傅里叶变换的实现思路 在数字图像处理中，当M×N图像阵列的M和N较大时，直接利用离散傅里叶变换的定义式进行计算由于计算量非常大，以至于在实际中是无法实现的。快速离散傅里叶变换算法的出现，才使得傅里叶变换用于实际的图像处理成为可能。 且一般都是将二维图像的处理是分别通过按行和按列执行一维算法实现。 5.1.4 快速离散傅里叶变换及其实现 2、串行计算二维DFT的方法 设f(x,y)是N×N的二维实序列，为表述方便，把看作是N×N的图像像素阵列，称： 为图像像素矩阵的二维离散傅里叶变换(2D-DFT）。其逆变换(2D-IDFT）为： 其中： 是变换核。 5.1.4 快速离散傅里叶变换及其实现 2、串行计算二维DFT的方法 根据二维傅里叶变换的可分离性，正变换式可改写成: 上式的表示形式说明，对于二维DFT，可先对图像像素矩阵的各列分别进行列傅里叶变换(简称列变换），然后再对变换结果的各行分别进行行傅里叶变换(简称行变换），这样就可利用一维FFT算法串行计算二维DFT。 5.1.4 快速离散傅里叶变换及其实现 2、串行计算二维DFT的方法 (0,0） (0,0） (0,0） N-1 N-1 N-1 N-1 N-1 N-1 逐列变换 逐行变换 5.1.4 快速离散傅里叶变换及其实现 2、串行计算二维DFT的方法 为了简化程序,可把列变换后的结果进行转置，这样在进行行变换时就可应用列变换的程序，最后再把行变换后的结果进行一次转置即为变换结果。二维正变换的流程可简要描述为： 5.2 频率域图像增强 对于那些在空间域中表述起来比较困难，甚至是不太可能实现的图像处理问题，可以先通过对图像进行离散傅立叶变换把图像变换到频率域，然后利用适当的频率域图像处理方式对图像进行处理，处理完后再把它转换回空间域中，从而解决那些在空间域不便于解决的图像处理问题。 由傅立叶频谱的特性可知，u和v同时为0时的频率成分对应于图像的平均灰度级。当从(傅立叶)变换的原点离开时，低频对应着图像的慢变化分量，比如一幅图像中较平坦的区域；当进一步离开原点时，较高的频率开始对应图像中变化越来越快的灰度级，它们反映了一幅图像中物体的边缘和灰度级突发改变(如噪声)部分的图像成分。 频率域图像增强正是基于这种机理，通过对图像的傅立叶频谱进行低通滤波(使低频通过，使高频衰减)来虑除噪声，通过对图像的傅立叶频谱进行高通滤波(使高频通过，使低频衰减) 突出图像中的边缘和轮廓。 5.2.1 基本实现思想 设f(x,y)为输入图像，F(u,v)为输入图像的傅立叶变换，H(u,v)为转移函数(也称为滤波函数)， G(u,v)为对F(u,v)进行频率域滤波后的输出， g(x,y)为经频率域滤波后的输出图像，则有： （5.27） （5.28） 5.2.1 基本实现思想 频率域图像增强的步骤为： （1）用(-1)(x+y)乘以输入图像，进行中心变换； （2）对步骤（1）的计算结果图像(-1)(x+y)f(x,y)进行二维傅立叶变换，即求F(u,v)； （3）用设计的转移函数H(u,v)乘以F(