数字图像处理冈萨雷斯第三版第四章.ppt

《数字图像处理冈萨雷斯第三版第四章.ppt》由会员分享，可在线阅读，更多相关《数字图像处理冈萨雷斯第三版第四章.ppt（52页珍藏版）》请在三一办公上搜索。

1、第4章频率域滤波基础,变化最慢的频率成分(u=v=0)对应一幅图像的平均灰度级,当从变换的原点移开时，对低频对应着图像的慢变化分量，如图像的平滑部分,进一步离开原点时，较高的频率对应图像中变化越来越快的灰度级，如边缘或噪声等尖锐部分,、频率域的其他特性：,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。,傅里叶频谱显示了450的强边缘，在垂直轴偏左的部分有垂直成分（对应两个氧化物突起）。,频率域滤波的基本步骤,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,f(x,y),g(x,y),F

2、(u,v),H(u,v)F(u,v),、频率域滤波基础：,f(x,y),g(x,y),F(u,v),H(u,v)F(u,v),设置F(0,0)=0(结果图像的平均值为零)，而保留其它傅里叶变换的频率成分不变,由于图像平均值为0而产生整体平均灰度级的降低，因此几乎没有平滑的灰度级细节,被低通滤波的图像比原始图像少了尖锐的细节部分而突出了平滑过渡部分,使低频通过，高频衰减的滤波器,高通滤波器：,被高通滤波的图像比原始图像少了灰度级的平滑过渡而突出了边缘等细节部分,使高频通过，低频衰减的滤波器,高通滤波结果,高通滤波改进结果,陷波滤波器将原点设置为0，平均灰度为0，负灰度置为0。,陷波滤波结果,在高

3、通滤波器中加入常量，以使F(0,0)不被完全消除。（防止直流项消除，保持色调）,该高通滤波器原点为0，因此几乎没有平滑的灰度级细节，且图像较暗。,错误的填充图像会导致错误的结果,、频率域的滤波步骤：,1、对要滤波的图像 进行填充得到，典型地：P=2M,Q=2N,2、填充图像，用 乘以输入图像进行中心变换,3、变换到频域,4、生成一个实的、中心对称的滤波器，中心在,频域滤波:,5、变换到空间域:,6、取实部:,7、取消输入图像的乘数:,8、提取 区域:,图4.36,4.7.4、空间域滤波和频域滤波之间的对应关系,对比空间域滤波：在MN的图像f上，用mn的滤波器进行线性滤波,(4.6-23)和(3

4、.4-1)本质上是相似的；相差之处只在于：常数、负号及求和的上、下限；在实践中，我们宁愿使用(3.4-1)和较小的滤波器模板来实现滤波处理；滤波在频率域中更为直观，可以在频率域指定滤波器，做反变换，然后在空间域使用结果滤波器作为在空间域构建小滤波器模板的指导；,大小为MN的两个函数f(x,y)和h(x,y)的频率域滤波表示为：由卷积定理，该运算对应的空间域运算为：,对应空间域高斯低通滤波器为,A B,1 2,对应空间域高斯高通滤波器为,图4.37,频域高斯低通滤波器,频域高斯高通滤波器,空域高斯低通滤波器及模板,空域高斯高通滤波器及模板,图4.38,例4.15,、理想低通滤波器,说明：在半径为

5、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,其中,原点在频率域的中心，半径为D0的圆包含%的功率,总图像功率值PT,其中:,理想低通滤波器举例,87%以上的功率(能量)集中在半径小于10的圆周内;随滤波器半径的增加,越来越少的功率被滤出掉,使模糊减弱;,原始图,D0=10的ILPF滤波损失能量为8%,D0=30的ILPF滤波损失能量为5.4%,D0=460的ILPF滤波损失能量为0.5%,D0=160的ILPF滤波损失能量为2%,D0=60的ILPF滤波损失能量为3.6%,理想低通滤波器举例,a)半径为10的频域ILPF,b)半径为10空域ILPF,c)

6、图像b）的水平 扫描线灰度变化,理想低通滤波器举例具有振铃现象,4.8.2、布特沃思低通滤波器,D0为截至频率距原点的距离，D(u,v)是点(u,v)距原点的距离。,它的特性是连续性衰减，而不象理想滤波器那样陡峭变化，即明显的不连续性。因此采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生,、布特沃思低通滤波器,原始图,D0=10的BLPF滤波,D0=30的BLPF滤波,D0=460的BLPF滤波,D0=160的BLPF滤波,D0=60的BLPF滤波,布特沃斯低通滤波器举例,布特沃斯低通滤波器举例振铃现象,注：二阶BLPF处于有效低通滤波和可接受的振铃特征之间,阶数

7、n=1无振铃和负值,阶数n=2轻微振铃和负值,阶数n=5明显振铃和负值,阶数n=20与ILPF相似,、高斯低通滤波器,二维高斯低通滤波器(GLPF)定义如下,原始图,D0=10的GLPF滤波,D0=30的GLPF滤波,D0=460的GLPF滤波,D0=160的GLPF滤波,D0=60的GLPF滤波,高斯低通滤波器举例,字符识别举例,原始图像,D0=80的高斯低通滤波器修复字符,用于机器识别系统识别断裂字符的预处理,D0=80,GLPF,人脸图像处理,原图像,D0=100的GLPF滤波,细纹减少,D0=80的GLPF滤波，细纹减少,D0=30的GLPF滤波图,D0=10的GLPF滤波图,佛罗里达

8、亮,墨西哥湾暗,奥基乔 比湖,卫星、航拍图像处理,目的：尽可能模糊细节，而保留大的可识别特征,4.9、频率域锐化,图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的。频率域锐化就是为了消除模糊，突出边缘。因此采用高通滤波器让高频成分通过，使低频成分削弱，再经逆傅立叶变换得到边缘锐化的图像,频率域锐化滤波器主要有：,理想高通滤波器,布特沃思高通滤波器高斯高通滤波器,频率域的拉普拉斯算子,钝化模板、高频提升滤波和高频加强滤波,几种高通滤波器图示：,IHPF,BHPF,GHPF,IHPF,BHPF,GHPF,几种高通滤波器空域图示：,、理想高通滤波器（IHPF）,D0=30,D

9、0=60,D0=160,结论：图a和b的振铃问题十分明显,理想高通滤波示例：,4.9.2、巴特沃思高通滤波器,n阶巴特沃思高通滤波器(BHPF)定义如下,D0=30,D0=60,D0=160,二阶巴特沃思高通滤波示例：,结论：BHPF的结果比IHPF的结果平滑得多,、高斯高通滤波器,截频距原点为D0的高斯高通滤波器(GHPF)定义为,D0=30,D0=60,D0=160,高斯高通滤波示例：,结论：GHPF的结果比BHBF和IHPF的结果更平滑,例4.19,二值化的结果,三种高通滤波器小结,三种滤波函数的选用类似于低通。理想高通有明显振铃现象，即图像的边缘有抖动现象；Butterworth高通滤

10、波效果较好，但计算复杂，其优点是有少量低频通过，是渐变的，振铃现象不明显；指数高通效果比Butterworth差些，振铃现象不明显；一般来说，不管在图像空间域还是频率域，采用高频滤波不但会使有用的信息增强，同时也使噪声增强。因此不能随意地使用,4.9.4、频率域的拉普拉斯算子,频率域的拉普拉斯算子定义:,从原始图像中减去拉普拉斯算子部分，形成g(x,y)的增强图像,空间域拉普拉斯算子过滤后的图像可由计算 的反傅里叶变换得到,4.9.4、频率域的拉普拉斯算子,拉普拉斯锐化举例说明.例4.20,、钝化模板、高频提升滤波和高频加强滤波,钝化模板(锐化或高通图像)：,在频率域，即从图像本身减去低通滤波（模糊）后的图像而得到高通滤波（锐化）的图像。,钝化模板和高频提升过滤：,当k=1,即钝化模板；当k1,高提升滤波,更一般的高频提升加强：,当k21，高频得到加强,高频提升过滤举例频率域滤波,高频加强 直方图均衡化的混合图像增强方法,、同态滤波,一幅图像可以表示为照射量和反射量的乘积：,令：,则有：,对Z(u，v)进行滤波：,同态滤波增强后的图像 g（x，y）为：,在空间域，滤波后的图像为：,同态滤波中滤波器函数的选择：滤波器函数能够实现对照射分量和反射分量的不同操作而加强图像，以不同的方式影响傅里叶变换的高频和低频成分。滤波器函数如图示：,减少低频 增加高频,一种同态滤波器函数表达式：,