Frequency Filters-2

matlab的fft2函数可以实现求解图像的DFT,比如下面的这张图片,

这里写图片描述

通过matlab可以获得它的DFT图像(frequency spectrum)

img = rgb2gray(im);
>> ft = fft2(img);
>> imshow(log(abs(ft)),[]);

这里写图片描述

按照前面章节的说明,当前显示的结果同时覆盖了四个循环区域,使用fftshift函数进行调整,得到如下图示,

>> fts = fftshift(ft);
>> imshow(log(abs(fts)),[]);

这里写图片描述

图示中,中间高亮部分是低频部分,由中间向四周频率越来越高,低频对应的是图像中梯度平缓的地方,而高频对应的是图像中梯度较大的地方,如边缘等。我们发现,在DFT结果中,存在明显的“十字”形状,这主要是由于DFT的周期性导致图像拼接处存在强烈的色差形成较大梯度区域,从下图的红色框区域内可明显看出。

这里写图片描述

再看下面这个图像,左侧为原图像,中间为shift之后的图像(不存在明显的过渡边缘),右侧为对应的DFT图像,相比于前面的图像来说,则不存在这种边缘现象。

这里写图片描述


我们先来介绍下频率域滤波的基本步骤:

这里写图片描述


接下来,将介绍几种低通滤波和高通滤波应用,低通滤波可以保留图像的低频信息而丢弃部分高频信息,由于高频信息对应于图像中梯度变化较大的区域,如边缘等,所以低通滤波的效果实际上是等同于图像平滑效果;同样的,可以推测高通滤波则等同于图像的边缘提取。

低通滤波
三种常见的低通滤波:理想低通滤波(ILPF)、Butterworth低通滤波(BLPF)以及高斯低通滤波(GLPF)。

1.理想低通滤波:理想低通滤波的原理很简单,它只是简单地截断频谱上半径区域D0外所有的频率信息,而完全保留D0内的低频信息。滤波函数定义为,

H(u,v)={ 10D(u,v)D0D(u,v)>D0
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值