OpenCV 图像中高频信息、低频信息

本文深入探讨图像处理中的低频与高频概念,解析两者如何反映图像的概貌和细节,以及它们在边缘检测和噪声识别中的作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

低频

低频就是颜色缓慢变化,也就是灰度缓慢地变化,就代表着那是连续渐变的一块区域,这部分就是低频。

对于一副图像来说,除去高频就是低频了,也就是边缘以内的内容为低频,而边缘内的内容就是图像的大部分信息,即图像的大致概貌和轮廓,是图像的近似信息。

高频

反之,高频即频率变化快,图像什么时候灰度变化快?
就是相邻区域之间灰度相差很大,这就是变化快。

图像中,一个影像与背景的边缘部分,通常会有明显的差别,也就是说变化那条边线那里,灰度变化很快,也即是变化频率高的部位。

因此,图像边缘的灰度值变化快,就对应着频率高,即高频显示图像边缘。图像的细节处也就是属于灰度值急剧变化的区域,正是因为灰度值的急剧变化,才会出现细节。

另外噪声(即噪点)也是这样,在一个像素所在的位置,之所以是噪点,是因为它与正常的点颜色不一样了,也就是说该像素点灰度值明显不一样,当然也就是灰度有快速地变化了,所以是高频部分,因此有噪声在高频这一说。

其实归根结底,是因为我们人眼识别物体就是这样的,假如你穿一个红衣服在红色背景布前拍照,你能很好地识别么?
不能,因为衣服与背景融为一体,没有变化,所以看不出,除非有灯光从某角度照在人物身上,这样边缘处会出现高亮和阴影,这样我们就能看到一些轮廓线,这些就是颜色(即灰度)很不一样的地方。

### 图像处理中高频低频的区别 在图像处理领域,高频低频的概念用于描述图像中不同区域的强度变化特性。以下是它们的具体区别: #### 1. **定义** - **低频分量**是指图像中强度(亮度/灰度)变化平缓的部分,通常是大面积均匀的颜色或渐变区域[^2]。 - **高频分量**则是指图像中强度变化剧烈的地方,比如边缘、轮廓、纹理以及细节部分[^1]。 #### 2. **视觉感知** 人类的眼睛对高频信号更加敏感,这意味着我们更容易注意到图像中的边缘和细节[^2]。相比之下,低频分量更多地决定了图像的整体结构和背景效果。 #### 3. **频谱表现** 当通过傅里叶变换分析图像时: - 如果一幅图像各处的强度相同,则其仅包含低频分量,在频谱图上表现为单一主峰,位于频率为零的位置。 - 若图像具有强烈的局部变化(如边缘),则会引入更多的高频分量,频谱图上会出现多个峰[^2]。 #### 4. **实际意义** - **低频分量**反映了整个图像的大致外观及其整体分布情况,适合用来提取全局特征。 - **高频分量**携带了丰富的细节信息,对于识别对象边界至关重要[^3]。 #### 示例代码解释 下面是一个简单的Python脚本实现高频滤波的过程[^4]: ```python import numpy as np import cv2 # opencv-python import matplotlib.pyplot as plt # 加载灰度图像 img = cv2.imread("../images/chenqiaoen.jpg", 0) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 将低频移到中心 rows, cols = img.shape # 获取图像尺寸 crow, ccol = int(rows / 2), int(cols / 2) # 计算中心坐标 # 移除中心低频区 (±30范围置零) fshift[crow - 30:crow + 30, ccol - 30:ccol + 30] = 0 # 反向操作恢复空间域图像 ishift = np.fft.ifftshift(fshift) iomage = np.fft.ifft2(ishift) iimg = np.abs(iomage) # 显示原图与处理后的结果 plt.subplot(121), plt.imshow(img, cmap='gray'), plt.title('Original') plt.axis('off') plt.subplot(122), plt.imshow(iimg, cmap='gray'), plt.title('High Frequency Filtered') plt.axis('off') plt.show() ``` 此程序展示了如何利用傅立叶变换去除原始图像中的低频成分并突出显示其中存在的高频特征。 ---
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