《频率域图像处理》PPT课件

频率域图像处理 汤晓方北京多维视通技术有限公司2012 3 26 大纲 导引 为何要在频率域处理傅里叶变换及频谱图解释频率产生的问题频域处理的方法频域与空间域处理的联系各种频域滤波器同态滤波警视通工具挑战与问题 导引 频率域处理很重要 尽管前面已经着重讲述了图像增强的空间技术 但如果不了解图像处理中如何应用傅里叶变换 FourierTransform 和频域的基本知识 要彻底地理解图像增强是不太可能的 频率域处理有时比空间域方便得多频率域处理可以解决很多空间域无法解决的问题 模式噪声问题 同态滤波有很强的理论基础快速 方便是很多高级或复杂算法的基础 什么是频率域处理 频域增强指在图像的频率域内 对图像的变换系数 频率成分 直接进行运算 然后通过Fourier逆变换以获得图像的增强效果 一般来说 图像的边缘和噪声对应Fourier变换中的高频部分 所以低通滤波能够平滑图像 去除噪声 图像灰度发生剧变的部分与频谱的高频分量对应 所以采用高频滤波器衰减或抑制低频分量 能够对图像进行锐化处理 注意本章各种增强技术与空域技术之间的对应和并行性 什么是频率域处理 含义 狭义 频域增强指在图像的频率域内 对图像的变换系数 频率成分 直接进行运算 然后通过Fourier逆变换以获得图像的增强效果 广义 利用变换域进行处理均可称为频率域处理 为何要在频率域处理 与空间域处理的互补性 可以利用频率成分和图像外表之间的对应关系 一些在空间域表述困难的增强任务 在频率域中变得非常普通 滤波在频率域更为直观 它可以解释空间域滤波的某些性质 大纲 导引 为何要在频率域处理傅里叶变换及频谱图解释频率产生的问题频域处理的方法频域与空间域处理的联系各种频域滤波器同态滤波警视通工具挑战与问题 傅里叶变换 频率 频率的定义频率frequency频率 是单位时间内完成振动的次数 是描述振动物体往复运动频繁程度的量 常用符号f或v表示 单位为秒 1 为了纪念德国物理学家赫兹的贡献 人们把频率的单位命名为赫兹 简称 赫 图像 边缘 高频 平滑区域 低频 傅里叶 1768年生于法国1807年提出 任何周期信号都可用正弦函数级数表示 1829年狄里赫利第一个给出收敛条件拉格朗日反对发表1822年首次发表在 热的分析理论 一书中 傅里叶的两个观点 周期信号都可表示为谐波关系的正弦信号的加权和 非周期信号都可用正弦信号的加权积分表示 对应到图像直观理解 图像均可表示为正弦条纹图像的叠加 其中粗大的条纹代表图像中的整体结构 而稠密的细条纹代表图像的细节部分 傅里叶的思想 下面的函数是由上面四个函数相加得来的 傅立叶在1807年提出的周期函数可以表示成一系列正弦函数和余弦函数的加权和的思想在当时受到了大家的质疑 傅里叶变换 快速傅里叶变换 FFT 1950年提出出现适用于电脑运行的快速傅里叶变换算法 FFT 二维离散傅里叶变换对 傅里叶变换示例 a 一个简单函数 b 其傅立叶变换 c 傅立叶变换的频谱 傅里叶变换示例 二维 一个二维函数 和它的幅度谱的一部分 一个二维函数 和它的幅度谱的一部分 认识频谱图 a 图像 b 频谱图 注意四个角处亮点 c 中心化后的频谱图 d 通过对数变换后得到的频谱图 该图显示了更多的细节 频谱图中垂直方向的过零点比水平方向更近点 这是由于矩形在垂直方向的长度比在水平方向上长 在本书中的坐标原点的约定是原点在图像的左上角 认识频谱图 矩形平移后的图像和对应的频谱图像 矩形旋转后的图像和对应的频谱图像 注意 矩形平移后图像的频谱图和原图像的频谱图是一样的 与位置无关 这也是频谱图的一个重要特性 幅度谱与相位 a一个女人图像 b对应的相角图像 c仅使用相位重建后得到的图像 d仅使用频谱重建得到的图像 e使用相位和频谱重建后得到的图像 f使用矩形图像的相位和原图像的频谱得到的图像 图像频率 再认识 基本属性 所谓频域 就是由图像f x y 的二维傅立叶变换和相应的频率变量 u v 的值所组成的空间 在空间域图像强度的变化模式 或规律 可以直接在该空间得到反应 F 0 0 是频域中的原点 反应图像的平均灰度级 即图像中的直流成分 低频反映图像灰度发生缓慢变化的部分 而高频对应图像中灰度发生更快速变化的部分 如边缘 噪声等 但频域不能反应图像的空间信息 图像频率 再认识 那些是高频 那些是低频 频率分量与图像空间特征的联系 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 频谱图的中心点 移开时 低频对应着图像的慢变化分量 如图像的平滑部分 当进一步远离原点时 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 大纲 导引 为何要在频率域处理傅里叶变换及频谱图解释频率产生的问题频域处理的方法频域与空间域处理的联系各种频域滤波器同态滤波警视通工具挑战与问题 频率产生的问题 图像采样中混叠效应的演示 a 图像中的混叠几乎可以忽略 b 通过像素删除的方法把图像缩小到原来的一半 混叠效果比较明显 c 先对图像做均值滤波 然后再缩放 得到的图像比 b 图要模糊一些 但是混叠效应就不那么令人讨厌了 频率产生的问题 波纹效应例子 上面是油墨画不是数字化的模式 把一个模式加在另一个模式上面等同于把这两个模式相乘 频率产生的问题 一幅大小为新闻稿图像显示了波纹效应 采样为75dpi 图像中的波纹效应是由45度方向的网格点叠加并由数字化图像时使用的南北方向的采样网格产生的 频率产生的问题 一幅新闻稿图像和它的局部放大图像 显示了网格点如何排列来绘制灰色阴影 大纲 导引 为何要在频率域处理傅里叶变换及频谱图解释频率产生的问题频域处理的方法频域与空间域处理的联系各种频域滤波器同态滤波警视通工具挑战与问题 频域处理的基础 频域处理的步骤 频域处理的步骤 为使变换后的图像处于频域的中心 首先把输入图像乘 1 x y计算经过第1步中心化处理后图像的DFT 即F u v 把F u v 与滤波器传递函数H u v 相乘对第3步的结果计算逆DFT取第4步结果的实部用 1 x y第5步的结果以还原滤波后图像的中心点到左上角 频域处理与空域处理的联系 卷积定理是空域和频域滤波的最基本联系纽带 二维卷积定理 基本计算过程 取函数h m n 关于原点的镜像 得到h m n 对某个 x y 使h m n 移动相应的距离 得到h x m y n 对积函数f m n h x m y n 在 m n 的取值范围内求和位移是整数增量 对所有的 x y 重复上面的过程 直到两个函数 f m n 和h x m y n 不再有重叠的部分 大纲 导引 为何要在频率域处理傅里叶变换及频谱图解释频率产生的问题频域处理的方法频域与空间域处理的联系各种频域滤波器同态滤波警视通工具挑战与问题 频域与空域处理的比较 1 对具有同样大小的空域和频率滤波器 h x y H u v 频域计算 由于FFT 往往更有效 尤其是图像尺寸比较大时 但对在空域中用尺寸较小的模板就能解决的问题 则往往在空域中直接操作 2 频域滤波虽然更直接 但如果可以使用较小的滤波器 还是在空域计算为好 因为省去了计算傅立叶变换及反变换等步骤 3 由于更多的直观性 频率滤波器设计往往作为空域滤波器设计的向导 频域与空域处理的比较 例 高斯滤波器 为易懂性和简单性 这里仅用一维的情况说明 低通 高通 频域与空域处理的对应关系 频域处理的类型与低通 按功能分 高通 低通 带通 带阻和陷波器等 按方法常用的有 高斯 Butterworth等 此外还有梯形 指数等 大纲 导引 为何要在频率域处理傅里叶变换及频谱图解释频率产生的问题频域处理的方法频域与空间域处理的联系各种频域滤波器同态滤波警视通工具挑战与问题 理想低通滤波器 1 理想低通滤波器 ILPF 其中 D0是一个具体的非负值 叫截止频率 D是频率矩形平面上的点到频率原点 M 2 N 2 的欧氏距离 设置中心区域为0 保留其他部分不变 特点 被低通滤波的图像相对原始图像缺少尖锐的细节部分而突出平滑过渡的部分对应于空间域的平滑处理 如邻域均值处理 理想低通滤波器 理想滤波器实际上是不可实现的 但在计算机中可以仿真实现 但可以帮助我们理解滤波器的行为和特征 为研究其行为与截止频率的关系 可以采用求百分功率的办法 理想低通滤波器 示例 理想低通滤波器 示例 振铃现象 振环中心分量的半径及其他同心分量的数目与ILPF的截止频率成反比 滤波器截止频率越小 即越狭窄 则振铃现象越严重 Butterworth低通滤波器 BLPF 通常在H u v 0 5时的D u v D0规定为截止频率 见第一个公式 当阶数为1时没有 振铃 现象 为2时较轻微 大于2时较严重 Butterworth低通滤波器 BLPF Butterworth低通滤波器 BLPF Butterworth低通滤波器 BLPF Gaussian低通滤波器 GLPF 如令 D0 将可以表示成如下更熟悉的形式 这里 在截止频率处 H u v 下降到最大值的0 607倍 GLPF没有振铃现象 但与阶数为2的BLPF相比 其通带要宽些 这样对应的空间滤波器的灰度级轮廓更窄些 因而平滑效果要差些 以上三种滤波器 振铃现象从严重到无 但平滑效果从好到差 BPLF可以看成ILPF和BLPF的过渡 阶为1时与GPLF差不多 阶越高越接近BPLG Gaussian低通滤波器 GLPF Gaussian低通滤波器 GLPF 低通滤波器总结 低通滤波总结 示例 低通处理人像 高频 锐化 滤波器的类型 IHPF BHPF GHPF 被高通滤波的图像相对原始图像缺少灰度级的平滑过渡而突出边缘等细节部分对比空间域的梯度算子 拉普拉斯算子 边缘算子等 高频 锐化 滤波器的类型 三种滤波器的三维 图像及横截面表示 三种高频滤波器比较 三种滤波器的空间域图像及轴向剖面表示 理想高通滤波器的问题 巴特沃斯高通 高斯高通 拉普拉斯滤波器 用Laplacian算子作用在频域图像上 求二阶偏导数 频域Laplacian滤波器 中心化 对第三个公式做反傅立叶变换 将得到Laplacian滤波器的空间域表现形式 频域Laplacian滤波器 频率域 空间域 离散模板近似 频域Laplacian滤波器 拉普拉斯高通 拉普拉斯高通 一幅毁坏集成电路图像及其对应的傅立叶频谱 SEM标准电子组件 频率域滤波效果 最上面的一行 频率域滤波器 下面一行 使用上面对应的频率域滤波器得到的图像 频率域 拉普拉斯锐化 a 原始模糊图像 b 在频率域使用拉普拉斯滤波器增强后的图像 频率域陷波滤波 一幅采样后带有波纹效果的新闻稿图像 它的频谱图像 巴特沃斯陷波滤波器 同态滤波 Homomorphicfiltering 依据 图象的灰度由照射分量和反射分量合成 反射分量反映图象内容 随图象细节不同在空间上作快速变化 照射分量在空间上通常均具有缓慢变化的性质 照射分量的频谱落在空间低频区域 反射分量的频谱落在空间高频区域 要点 消除不均匀照度的影响 增强图象细节 图像的照度 反射模型 照度 反射系数 若物体受到照度明暗不匀的时候 图象上对应照度暗的部分 其细节就较难辨别 同态滤波的目的 消除不均匀照度的影响而又不损失图象细节 同态滤波步骤 3 压缩i x y 分量的变化范围 削弱I u v 增强r x y 分量的对比度 提升R u v 增强细节 确定H u v 1 2 同态滤波步骤 由于该种形式的滤波器与高通滤波器相似 我们可以通过稍微修改Gassian滤波器来得到 同态滤波步骤 5 频域与空域处理的比较 1 对具有同样大小的空域和频率滤波器 h x y H u v 频域计算 由于FFT 往往更有效 尤其是图像尺寸比较大时 但对在空域中用尺寸较小的模板就能解决的问题 则往往在空域中直接操作 2 频域滤波虽然更直接 但如果可以使用较小的滤波器 还是在空域计算为好 因为省去了计算傅立叶变换及反变换等步骤 3 由于更多的直