5、频域图像增强

1、频域增强原理

在频域空间,图像的信息表现为不同频率分量的组合。如果能让某个范围内的分量或某些频率的分量受到抑制而让其他分量不受影响,就可以改变输出图的频率分布,达到不同的增强目的。
频域空间的增强方法有三个步骤:
1、将图像从图像空间转换到频域空间;
2、在频域空间对图像进行处理;
3、将增强后的图像在从频域空间转换到图像空间;
g(x,y) = T^{-1} \{E[T[f(x,y)]]\}
卷积理论是频域技术的基础。设函数f(x,y)与线性位不变算子h(x,y)的卷积结果是g(x,y),即g(x,y)=h(x,y)\otimes\,f(x,y),那么根据卷积定理在频域有:
G(u,v)=H(u,v)F(u,v)
其中G(u,v),H(u,v),F(u,v)分别是g(x,y),h(x,y),f(x,y)的傅里叶变换。用线性系统理论的话来说,H(u,v)是转移函数

2、低通滤波

低通滤波是要保留图像中的低频分量而去除高频分量。图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分,所以在频域中的低通滤波可以除去或削弱噪声的影响并模糊边缘轮廓,与空域中的平滑方法类似。

2.1、理想的低通滤波器

一个二维理想低通滤波器的转移函数满足下列条件:
H(u,v) = \begin{cases} 1\, \qquad 如\ D(u,v)\le{D_0} \\ 0\, \qquad 如\ D(u,v)>{D_0}\\ \end{cases}
上式中,D_0是一个非负整数。D(u,v)是从点(u,v)到频率平面原点的距离,D(u,v)=(u^2 + v^2)^{1/2}

低通滤波器转移函数示意图

2.2、巴特沃斯低通滤波器

物理上可以实现的一种低通滤波器是巴特沃斯低通滤波器。一个阶为n,截断频率为D_0的巴特沃斯低通滤波器的转移函数为:
H(u,v)=\frac{1}{1+[D(u,v)/D_0]^{2n}}
阶为1的巴特沃斯低通滤波器剖面示意图,由图可见低通巴特沃斯滤波器在高低频率间的过渡比较光滑,所以用巴特沃斯低通滤波器得到的输出图其振铃现象不明显

巴特沃斯低通滤波器转移函数剖面示意图

3、高通滤波

因为图像中的边缘对应高频分量,所以要锐化图像可用高通滤波器。高通滤波是要保留图像中的高频分量而去除低频分量。

3.1、理想的高通滤波器

一个二维理想高通滤波器的转移函数满足下列条件
H(u,v) = \begin{cases} 0\, \qquad 如\ D(u,v)\le{D_0} \\ 1\, \qquad 如\ D(u,v)>{D_0}\\ \end{cases}

理想的高通滤波器转移函数

3.2、巴特沃斯高通滤波器

一个阶为n,截断频率为D_0的巴特沃斯高通滤波器转移函数
H(u,v)=\frac{1}{1+[D(u,v)/D_0]^{2n}}

巴特沃斯高通滤波器转移函数剖面图

3.3、高频增强滤波器

一般图像中的大部分能力集中在低频分量里,高通滤波会将很多低频分量滤除,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。为了解决这个问题,可以对频域里的高通滤波器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。

4、带通和带阻滤波

4.1、带阻滤波

带阻滤波器阻止一定频率范围内的信号通过而允许其他频率范围内的信号通过。如果这个频率范围下限是0(上线不为\infty),则带通滤波器成为高通滤波器。如果这个频率范围上限是\infty(下线不为0),则带通滤波器成为低通滤波器。
1、消除以(u_0,v_0)为中心,D_0为半径区域内所有频率的理想带通滤波器的转移函数:
H(u,v) = \begin{cases} 0\, \qquad 如\ D(u,v)\le{D_0} \\ 1\, \qquad 如\ D(u,v)>{D_0}\\ \end{cases}
其中:D(u,v)=[(u-u_0)^2+(v-v_0)^2]^{1/2}
2、考虑到傅里叶变换的对称性,为了消除不是以原点为中心的给定区域内的频率,带阻滤波器必须两两对称地工作
H(u,v) = \begin{cases} 0\, \qquad 如\ D_1(u,v)\le{D_0},\quad 或 D_2(u,v)\le{D_0}\\ 1\, \qquad 其他\\ \end{cases}
其中:
D_1(u,v)=[(u-u_0)^2+(v-v_0)^2]^{1/2}
D_2(u,v)=[(u+u_0)^2+(v+v_0)^2]^{1/2}
3、带阻滤波器可以设计成能去除以原点为中心的一定频率范围。这样一个放射对称的理想带阻滤波器的转移函数是:
H(u,v) = \begin{cases} 1\, \quad 如\ D(u,v)<{D_0}-W/2\\ 0\, \quad 如\ D_0-W/2\le D(u,v)\le{D_0} +W/2 \\ 1\, \quad 如\ D(u,v)>{D_0} +W/2\\ \end{cases}
其中W为带的宽度,D_0为放射中心。

4.2、带通滤波

带通滤波器允许一定频率范围内的信号通过而阻止其他频率范围内的信号通过。由上讨论可知,如果这个频率范围下限是0(上线不为\infty),则带通滤波器成为低通滤波器。如果这个频率范围上限是\infty(下线不为0),则带通滤波器成为高通滤波器。
带通滤波器和带阻滤波器是互补的。设H_R(u,v)为带阻滤波器的转移函数,则对应的带通滤波器H_P(u,v)只需将H_R(u,v)翻转即可
H_P(u,v)=-[H_R(u,v)-1]=1-H_R(u,v)

5、同态滤波

上面介绍的线性滤波器对消除加性高斯噪声很有效,但噪声和图像也常以非线性的方式结合,一个典型的例子就是用发光源照明成像时的情况,其中目标的反射以相乘的形式对成像作出贡献,此时可以采用同态滤波器。同态滤波增强是一种在频域中同时将图像亮度范围进行压缩和将图像对比度进行增强的方法。在同态滤波消噪中,先利用非线性的对数变换将乘性的噪声转化为加性的噪声。
一幅图像f(x,y)可以表示成他的照度分量i(x,y)与反射分量r(x,y)的乘积。根据这个模型可用下列方法把两个分量分开来并分别进行滤波
f(x,y)\Rightarrow\,ln \Rightarrow\,FFT\Rightarrow\,H(u,v)\Rightarrow\,(FFT)^{-1}\Rightarrow\,exp\Rightarrow\,g(x,y)
1、先对两边同时取对数
ln\;f(x,y)=ln\;i(x,y)+ln\;r(x,y)
2、将上式两边取傅里叶变换:
F(u,v)=I(u,v)+R(u,v)
3、设用一个频域增强函数H(u,v)处理F(u,v)
H(u,v)F(u,v)=H(u,v)I(u,v)+H(u,v)R(u,v)
4、反变换到空域:
h_f(x,y)=h_i(x,y)+h_r(x,y)
5、在将上面两式取指数
g(x,y)=exp\;|\;h_f(x,y)\;|=exp\;|\;h_i(x,y)\; |=exp\;|\;h_r(x,y)\;|
这里的H(u,v)称为同态滤波函数,它可以同时作用于照度分量和反射分量上。因为一般照度分量在空间缓慢变化,而反射分量在不同物体的交界处急剧变化,所以图像傅里叶变换后的低频部分主要对应照度分量,而高频部分主要对应反射分量。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,100评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,862评论 2 378
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,993评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,309评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,303评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,421评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,830评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,501评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,689评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,506评论 2 318
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,564评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,286评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,826评论 3 305
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,875评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,114评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,705评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,269评论 2 341

推荐阅读更多精彩内容