《数字图像处理》课件_第5章.pptx

第5章频域处理;

数字图像处理的方法有两大类:一类是空间域处理法(简称空域法),另一类是频率域(简称频域)分析法(或称变换域法)。

数字图像的频域处理主要有三种应用:

①利用某些频域变换可从图像中提取图像的特征;

②利用图像频域处理可实现图像高效压缩编码;

③减小计算维数,使算术运算次数大大减少,从而提高图像处理的速度。;

5.1频域与频域变换;

;

为便于理解,将图51(b)所示的正弦波取出来,如图52所示。如果将虚线表示的振幅为1,且初相位为0的正弦波作为基本正弦波,则实线表示的波形可由其振幅A和初相位φ确定。;

;

由此,图51(b)、(c)、(d)3个不同的正弦波形可以描述为图53所示的两幅图。其中图53(a)表示振幅与频率之间的关系,称为幅频特性;图53(b)表示初相位与频率之间的关系,称为相频特性。;

;

;

5.2傅里叶变换;

;

5.2.2离散傅里叶变换

在数字图像处理中应用傅里叶变换,还需要解决两个问题:一是在数学中进行傅里叶变换的f(x)为连续(模拟)信号,而计算机处理的是数字信号(图像数据);二是数学上采用无穷大概念,而计算机只能进行有限次计算。;

;

;

;

;

二维离散函数的傅里叶频谱、相位谱和能量谱分别为

式中:R(u,v)和I(u,v)分别是F(u,v)的实部和虚部。;

5.2.3离散傅里叶变换的性质

二维离散傅里叶变换的性质对图像的分析具有十分重要的作用,因此,有必要理解和掌握二维DFT的性质。二维离散傅里叶变换的主要性质如表51所示。;

;

;

1.可分离性

由可分离性可知,一个二维傅里叶变换可分解为两步进行,其中每一步都是一个一维傅里叶变换。可先对f(x,y)按行进行傅里叶变换得到F(x,v),再对F(x,v)按列进行傅里叶变换,便可得到f(x,y)的傅里叶变换结果F(u,v),如图54所示。当然,也可先按列进行傅里叶变换,再按行进行傅里叶变换。

同理,傅里叶变换的逆变换也具有可分离性。

利用傅里叶变换的可分离性,可以简化傅里叶变换的软、硬件设计,用一维傅里叶变换软件或硬件便可实现二???傅里叶变换。;

;

2.平移性质

平移性质表明只要将f(x,y)乘上因子(-1)x+y再进行离散傅里叶变换,便可将图像的频谱原点(0,0)移动到图像中心(M/2,N/2)处。图55(a)是一简单方块图像,图55(b)是其无平移的傅里叶频谱,图55(c)是平移后的傅里叶频谱。直接进行傅里叶变换的结果中,低频部分位于四角,高频部分位于中间,利用傅里叶变换的平移性质将图像频谱原点移动到图像中心,便于分析和处理,特别是设计滤波器时更加方便。实际操作时,可将频谱图像分成4等份,互相对调,如图56所示,即可得平移后的傅里叶频谱。;

;

;

5.2.4离散傅里叶变换的OpenCV实现

1.图像大小优化

为提高DFT的计算性能,OpenCV要求图像大小是2、3、5的整数次幂,所以为了获取最佳性能,需要补全图像以达到提高计算性能的约束条件。getOptimalDFTSize()函数能够返回最佳大小,利用copyMakeBorder()函数可对图像边缘进行扩展。;

2.实部和虚部矩阵创建

对每一幅图像进行DFT时,其输出结果是复数，由实部和虚部构成，且其值域范围较大，宜采用浮点数格式进行存储。

3.DFT实现

对离散傅里叶变换,OpenCV提供了dft()函数实现DFT的原地操作(in-place,输出结果直接存储在输入矩阵中)。;

4.频谱计算

根据式(5-8),为得到频谱特性,OpenCV提供了magnitude()函数实现频谱的计算。

5.对数坐标转换

傅里叶变换结果的动态范围较宽,为实现数据的显示,需要对其进行对数坐标转换。

6.频谱平移

为实现频谱平移,可按图56进行象限调整,使频谱的原点位于显示中心。;

7.标准化

OpenCV提供了normal()函数对DFT计算结果进行标准化,以进行可视化显示、分析比较等处理。

8.频谱显示

对于DFT的频谱,可按图像的方式进行显示。;

5.3频域变换的一般表达式;

;

5.3.2图像变换的矩阵表示

数字图像都是实数矩阵,设f(x,y)为M×N的图像灰度矩阵,通常,为了分析、推导方便,将可分离变换写成矩阵的形式:

式中:F、f为二维M×N的矩阵;P为M×M矩阵;Q为N×N矩阵。;

图像变换的矩阵表达式和代数表达式其本质相同,将式(527)写成代数表达式如下:

式中:u取0,1,2,…,M