图像增强 第四讲-频域增强

1，4.4频域的图像被强调，图像被强调的目的主要是去除噪声，改善图像的视觉效果突出边缘，在识别和处理上很方便。 以前熟悉图像空间区域扩展，接着介绍频域扩展方法。 另外，为了噪声主要集中在高频部分，去除噪声以改善画质，滤波器使用低通滤波器H(u，v )抑制或衰减高频成分，通过低频成分，进行傅立叶逆变换而得到滤波图像，由此能够平滑化图像。 常使用的低通滤波器H(u，v )是理想滤波器、巴特沃斯滤波器、指数低通滤波器。 这些过滤器复盖了从非常清晰(理想的过滤器)到非常平坦(指数低通过滤器)的过滤函数。 在巴特沃斯滤波器中，有被称为滤波器“次数”的参数，在该参数的值高的情况下，巴特沃斯滤波器接近理想滤波器。 并且，频域平滑，对原图像进行f(x，y )、傅立叶变换后设为F(u，v )。 频域强调是指选择适当的滤波器H(u，v )对F(u，v )的频谱成分进行处理，进行傅立叶逆变换而得到强调的图像g(x，y )。 频域增强的通常过程是f(x，y)F(u，v)F(u，v)H(u，v)g(x，y ) DFT (离散馀弦变换) DFT，4.4.1频域v )，idft，滤波器，15，频域图像增强，f(x，y )与h(x，y )的卷积定义：有：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 )的卷积结果为g(x，y )，即g(x，y)=h(x，y)*f(x，y )。 16、频域增强的主要步骤： (1)计算需要增强图的傅立叶变换；(2)将此乘以一个转变函数(如果需要的话为设计)； 常用的频域增强方法是低通滤波器、高通滤波器、带通滤波器和带阻滤波器、同步滤波器等，通过卷积定理关于频域：图4-1的频域低通滤波器方法的处理过程空间模板平滑法等效于频域低通滤波器方法保证。 若选择平滑模板，则平滑式为g(m，n)=1/9f(m-1，n-1) f(m-1，n) f(m-1，n) f(m，n) f(m，n 1)f(m 1，n-1) f(m 1，n) f(m 1，n) f(m 1，n1) ， 4.4.2频域低通滤波器可以写出对应的z变换式：和代入式，在得到图4.4.2加权平均模板的频率响应或傅立叶变换式：时，具有最大值1表示作为“直流”分量的图像的灰度平均处理前后不变(a )原图像(b )频谱(r=5，11，45，68 ) (c ) (f )低通滤波器(r=5，11，45，68 )、低通滤波器法例、20、低通滤波器、另一方面理想低通滤波器(ILPF )、理想低通滤波器截面图和透视图，式中，D0为截止频率，D0为截止频率v )是从频率平面上的点(u，v )到原点的距离，(2)理想低通滤波器可以通过计算机模拟实现，但是在电子部件中不能实现。 (3)理想的低通滤波器平滑化处理的概率是清楚的，但是在处理中产生较大的模糊和振铃，D0越小，该现象越严重。 振铃效果和振铃效果的典型表示是在图像的灰度急剧变化的临界区域出现石膏分布(满足给定约束，熵满足最大分布)的振动。 振铃效应是在图像处理中选择了不适当的图像模型导致的振铃效应的直接原因是图像信息量的损失，尤其是高频信息的损失。 25、理想的低通滤波器、理想的低通滤波器、理想的低通滤波器、理想的低通滤波器等具有显着的不连续性的低通滤波器，而不是像理想的滤波器那样具有连续衰减的特性的陡峭变化理想的低通滤波器，因此在使用该滤波器进行滤波时，在抑制噪声的同时，图像边缘的模糊程度大幅减少，不产生振铃效应。除了低通滤波器、和量化灰度图像、和假轮廓比较之外，截止频率35的理想低通滤波器为显着的振铃现象由于巴特低通滤波器、图像匹配噪声、滤波效应、截止频率20的结果，巴特低通滤波器也被称为最大平坦滤波器。 与理想的低通滤波器不同，通带与阻带之间没有明显的不连续性。 即，在通带和阻带之间存在平滑的通带。 通常，将H(u，v )降低到某个值来决定截止频率D0。 与理想的低通滤波器的处理结果相比，突发功率滤波处理的图像模糊程度减少了。 因为H(u，v )不是陡峭的截止特性，尾部含有很多高频成分。 另外，由巴特沃兹低通滤波器处理的图像没有振铃。 这是因为在滤波器的通带和阻带之间存在平滑的转换。 另外，高通滤波器、1、理想高通滤波器(IHPF )、理想高通滤波器的剖面图和透视图通过高通滤波器使以D0为半径的圆内的频率成分衰减，使圆外的频率成分无损地通过。 可通过计算机模拟实现，但通过电子部件无法实现。 有42、高通滤波器、2、n阶巴特尔高通滤波器(BHPF )、巴特尔高通滤波器剖面图和透视图，在实际工作中，灰度的动态范围大，即黑色部分为黑色，白色部分为白色，感兴趣的部分为灰度的范围小，物体的灰度和细节虽然扩展不能采用一般的灰度线性转换的灰度级可以提高物体图像的对比度，但是进一步增大灰度级并压缩灰度级可以降低动态范围，但是由于物体的灰度级和细节不是很清楚，因此能够降低适当的偏差可以压缩灰度动态范围并扩展感兴趣的物体部分的灰度等级，可以澄清图像。 均质滤波器、反射成分集中在高频区域，描述场景的细节，与照明无关，均质滤波器是在频域压缩图像的亮度范围，增强图像的对比度的方法，组合频率滤波器和灰度变换，以图像的照明反射模型为频域处理的基础，生成自然场景的图像f(x， y )是其照度分量fi(x，y )与反射分量fr(x y )的乘积，照度分量集中在低频带，描述场景的照明，傅立叶变换是线性变换，与场景无关，因此不能分离两个分量。 即，一个图像由光源的照度成分(也称为照度场)和目标场的反射成分构成。 也就是说，如果我们能够采取从中间分开、分别压缩低频、提高高频的方法，就能够达到减弱照度成分、增强反射成分、使图像变得清晰的目的。 图4.5.1图像的均质滤波器的处理过程、概要、均质滤波器、取对数进行FFT，在用一个滤波器进行滤波处理时，能够逆变换为空间区域并取指数，还能够写入处理后的空间区域的图像，均质滤波器、60、均质滤波器、c : 因此，通过将相应的照明成分和反射成分叠加在一起来增强所增强的图像，从而在图4.5.2的均质滤波器的特性曲线图4.5.3的图像均质滤波器清晰的示例中，