目录
一 傅里叶变换基础
傅里叶变换的核心是什么?
欧拉公式怎么理解?
傅里叶变换的定义是什么?
时域和频率域怎么理解?什么是频域图像?
什么是相位谱?
为什么傅里叶变换可以用于图像滤波?
二 二维傅里叶变换
频谱图示例
旋转平移对频谱图的影响
旋转平移对相角图的影响
旋转平移对相角图的影响
三 频率域滤波基础
原理
关于滤波函数H(u,v)的说明
四 滤波原理的一些思考
你能想到的最简单的滤波器是什么?
如何理解频率图像中的高频和低频分量?
如何解决高通滤波器直流分量消除的情况?
五 频率域滤波步骤
步骤1-2解释
六 频率域与空间域对应关系
给出一个频率域的滤波器,如果得到其空间域的滤波器?
到底用哪个? 怎么用?
强烈推荐大家仔细阅读下面的博文,写的深入浅出,看完绝对会对傅里叶变换有很深刻的理解 https://www.cnblogs.com/h2zZhou/p/8405717.html
文中引用了作者的几个图,在此向作者表示感谢
一 傅里叶变换基础
首先看一下正弦曲线
傅里叶变换的核心是什么?
任何周期函数都可以表示为不同频率的正弦和/余弦和 的形式
欧拉公式怎么理解?
欧拉公式是复分析领域的公式,它将三角函数和复指数函数联系起来,因此复指数函数是周期 函数,因为它可以被描述成正弦函数与余弦函数的和
傅里叶变换的定义是什么?
时域和频率域怎么理解?什么是频域图像?
什么是相位谱?
为什么傅里叶变换可以用于图像滤波?
在时域很难将某些频率成分去掉,但是 转换到频率域之后,不同的频率对应的只是 频率轴上一个固定的值,将该值设置为0 应该是一个很简单的事情吧? 这就是为什么要用傅里叶变换的根本原因
二 二维傅里叶变换
示意图如下
首先看如下几个公式
频谱图示例
说明:频谱取决于正弦波的幅度,在给定的频率处,幅度较大意味着该频率的正弦波比较突出
旋转平移对频谱图的影响
结论:
- 1.频谱图像跟着原始图像的旋转一致
- 2.平移对频谱图无影响
旋转平移对相角图的影响
结论:相位图与图像的 变化之间关联 性不是很强。 但是它绝对了各个 正弦分量关于原点 位移的度量
旋转平移对相角图的影响
最重要的性质:
- 1.关于原点对称
- 2.变换后中心是频率域原点,强度最大,为直流分量
- 3.图上越亮的位置表示该点对应的正弦波的振幅较大
三 频率域滤波基础
原理
频率域滤波由 修改一幅图像的傅里叶变换然后计算其反变换得到的处理后的结果
如果H 是实对称函数而f(原始图像)是实函数,则IDFT理论上生成实数量。但实际上反变换过程中通常会有误差而引入的寄生复数项 。因此这里用IDFT的实部来生成g(x,y)
关于滤波函数H(u,v)的说明
1.H(u,v),F(u,v), f(x,y)都是M*N尺寸的矩阵 2.按之前提到的对F(u,v)求中心化 , 所以H(u,v)通常是中心对称的 3.关于求中心化,通常可以采用在变换前用 f(x,y) * 来实现
四 滤波原理的一些思考
你能想到的最简单的滤波器是什么?
在变换的中心处为0 ,而在其他处为1,这样可以抑制F(u,v)中的直流项,而通过其他所有项 由上面的公式可知,直流项决定图像的平均灰度,因此将其设置为0 会把图像的平均灰度减少为0,图像整体变暗
如何理解频率图像中的高频和低频分量?
高频是由于灰度的尖锐过渡造成,如边缘和噪声。而低频对应了图像中缓慢变化的成分
滤波时如何选择高频通过还是低频通过?
高频是由于灰度的尖锐过渡造成,如边缘和噪声,而低频对应了图像中缓慢变化的成分
因此:
- 衰减高频而通过低频的滤波器(低通滤波器)将模糊一张图片
- 衰减低频而通过高频的滤波器(高通滤波器)将增强尖锐细节(但是图像对比度会降低)
如何解决高通滤波器直流分量消除的情况?
对滤波器加一个系数可以防止直流项被消除,保留色调
五 频率域滤波步骤
步骤1-2解释
为什么要扩展必要数量的0?
示例如下
六 频率域与空间域对应关系
给出一个频率域的滤波器,如果得到其空间域的滤波器?
到底用哪个? 怎么用?
之前讨论了空间域滤波,现在又讨论了频率域滤波,那到底应该用哪个?
- (1)由于计算机处理空间域滤波的速度很快,所以从硬件上肯定是空间域滤波比较好
- (2)但是由于空间域滤波很难准确的去掉某些频率成分,这时候就需要发挥频率域滤波的作用了
别急,我们再来个结合二者特性的用法 首先我们在频率域选择一个比较好的滤波器 然后我们将该滤波器求傅里叶反变换得到空间域的滤波器 再取样生成空间域的滤波模板.
下面举2个例子
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)