光电图像处理第五章频域图像增强(精)
频域图象增强
•被钝化的图像被一种非常严重的振铃效果—— 理想低通滤波器的一种特性所影响
第6讲
第24页
6.2 低通滤波
90%
第6讲
第25页
6.2 低通滤波
3、巴特沃斯低通滤波器
物理上可实现（理想低通滤波器在数学上定 义得很清楚，在计算机模拟中也可实现，但在截 断频率处直上直下的理想低通滤波器是不能用实 际的电子器件实现的）
H
(u,
v)
1
1
D(u, v)
/
D0
2n
某个百分比的频率 在D(u, v) = D0时
• H(u, v) = 1/2 • H(u, v) = 1/21/2
H (u,v) 1
0
D (u,v) D0
第6讲
第30页
6.2 低通滤波
3、巴特沃斯低通滤波器 Butterworth低通滤波器截止频率的设计
•变换函数中不存在一个不连续点作为一个通过 的和被过滤掉的截止频率的明显划分
第6讲
第33页
6.2 低通滤波
3、巴特沃斯低通滤波器 图象由于量化不足产生虚假轮廓时常可用低
通滤波进行平滑以改进图象质量 效果比较（相同截断频率）：图6.2.6
第6讲
第34页
6.2 低通滤波
3、巴特沃斯低通滤波器
第6讲
第35页
6.2 低通滤波
3、巴特沃斯低通滤波器
Butterworth低通滤波器与理想低通滤波器相比 •没有明显的跳跃； •模糊程度减少； •尾部含有较多的高频，对噪声的平滑效果不如 理想低通滤波器。
常用频域增强方法根据滤波特点，特别是消 除或保留的频率分量可以分为：1. 低通滤波； 2. 高通滤波；3. 带通和带阻滤波；4. 同态滤波 。
第5章频域图像增强20160801资料.
阶为1
阶为2
阶为5
阶为20
截止频率15下、不同阶巴特沃斯低通滤波器传递函数及其冲激响应函数
9
低通滤波器
截止频率为5
截止频率为15
截止频率为30
截止频率为50
截止频率为90
截止频率为180
不同截止频率下巴特沃斯低通滤波器的滤波结果
10
低通滤波器
– 指数低通滤波器：是一种物理可实现的低通滤波器， n阶指 数低通滤波器的传递函数定义为，
– 带通滤波器：带通滤波器允许某一带宽范围的频率成分通过，而
限制带宽范围以外的频率成分通过。
– 理想带通滤波器具有完全平坦的通带，在通带内没有增益或者衰 减，完全阻止通带之外的所有频率成分，通带与阻带之间的过渡 在瞬时频率完成，其传递函数定义为，
式中，W为带宽，半径 为频带中心，
和
分别
为下限和上限截止频率， 是点 到频谱中心的距离。
12
低通滤波器
截止频率为5
截止频率为15
截止频率为30
截止频率为50
截止频率为90
截止频率为180
不同截止频率指数低通滤波器的滤波结果
13
高通滤波器
高通滤波器：其目的是允许图像的高频成分通过， 而限制低频成分通过。
– 理想低通滤波器：最理想的低通滤波器是完全截断频谱中 的低频成分，传递函数定义为，
通过，并限制高频成分通过；高通滤波是指允许高频成 分通过，并限制低频成分通过。
– 频域滤波表示为频域滤波器的传递函数
频谱
乘积的形式：
与输入图像
– 最后，对频域滤波结果 空域中，可表示为，
进行傅里叶逆变换，转换回
输入图像
f (x;y)
ch5_频域增强
5.1 频域增强原理
陷波滤波器
0, (u, v) ( M / 2, N / 2) H (u, v) 1, 其他
设置F(0,0)=0(结果图像的平均值为零)，而保留 其它傅里叶变换的频率成分不变 除了原点处有凹陷外，其它均是常量函数 由于图像平均值为0而产生整体平均灰度级的降低 用于识别由特定的、局部化频域成分引起的空间 图像效果
2 12 2
5.2.1 理想低通滤波
理想低通滤波器的三维透视图、频谱图及径向剖
面图
说明：在半径为D0的圆内，所有频率没有衰减地通过滤波 器，而在此半径的圆之外的所有频率完全被衰减掉
5.2.1 理想低通滤波
ቤተ መጻሕፍቲ ባይዱ想低通滤波器截止频率的设计
先求出总的图像功率谱PT
M 1 N 1
P T
5.1 频域增强原理
5.1 频域增强原理
5.1 频域增强原理
频率域滤波的基本步骤
思想：通过滤波器函数以某种方式来修改图 像变换，然后通过取结果的反变换来获得处 理后的输出图像
5.1 频域增强原理
一些基本的滤波器：如何作用于图像？
陷波滤波器 低通（平滑）滤波器 高通（锐化）滤波器
人脸图像处理
原图像 D0=30的GLPF滤波 D0=10的GLPF滤波
5.3 高通滤波
频域高通滤波的基本思想
G u, v H u, v F u, v
F(u,v)是需要锐化的傅里叶变换形式 目标是选取一个低通滤波器H(u,v)，通过它减少
F(u,v)低频部分来得到G(u,v) 运用傅里叶逆变换得到锐化的图像
透视图
滤波器
各种D0值的滤波器横截面
频域图像增强报告
频域图像增强一、前言1.1背景和实际意义人类传递信息的主要媒介是语言和图像。
俗话说：百闻不如一见；图像信息是十分重要的信息传递媒体和方式。
在实际应用中，由于很多场景条件的影响，图像的视觉效果很差，使图像的信息无法被正常读取和识别。
例如，在采集图像过程中由于光照环境或物体表面反光等原因造成图像光照不均，或是图像采集系统在采集过程中由于机械设备的缘故无法避免的加入采集噪声，或是图像显示设备的局限性造成图像显示层次感降低或颜色减少等等。
因此研究快速且有效地图像增强算法成为推动图像分析和图像理解领域发展的关键内容之一。
图像增强从处理的作用域出发可分为空间域和频域两大类。
其中，频域增强是将原空间的图像以某种形式转换到其他空间，然后利用该转换空间的特有性质进行图像处理，最后在转换回到原空间，得到处理后的图像，是一种间接增强的算法。
法国数学家傅里叶最大的贡献就是傅里叶级数和变换，它被广泛地应用为基础工具学习，最初人们只在热扩散领域内使用；20世纪50年代随着数字计算的出现和快速傅里叶变换的出现在信号领域产生了巨大变革。
这两个核心技术允许对人类本身的特殊信号和工业的重要信号（从医学监视器和扫描仪到现代电子通信），进行实际处理和有意义的解释】1【。
1.2已有的研究成果数字图像处理发展的历史不长，但已经足够引起人们的重视，图像处理技术始于20世纪60年代，由于当时图像存储成本高，设备造价高，因而应用面较窄。
1964年美国加州理工学院首次对徘徊者7号太空飞船发回的月球照片进行了处理得到了清晰的照片，这标志着图像处理技术开始得到实际应用。
70年代，出现了CT和卫星遥感图像，这对图像处理的发展起到了很好的促进作用。
80年代，微机已经能够承担起图像处理的任务，VLSI的出现更使得处理速度大大提高，极大地促进了图像处理系统的普及和应用。
90年代是图像处理技术实用化时期，图像处理的信息量大，对处理速度的要求极高。
图像增强作为图像处理的重要组成部分，促进了图像增强方法研究的不断深入。
第5章 图像频域增强
我们人眼能分别得出图像的灰度不仅仅是由于光照函数（照射分量）决定，而且还与 反射函数（反射分量）有关： 反射函数反映出图像的具体内容。光照强度一般具有一致性，在空间上通常会有缓 慢变化的性质，在傅立叶变换下变现为低频分量 然而不一样的材料的反射率差异较大，经常会引起反射光的急剧变化，从而使图像 的灰度值发生变化，这种变化与高低频分量有关。 为了消除不均匀照度的影响，增强图像的高频部分的细节，可以采用建立在频域的 同态滤波器对光照不足或者有光照变化的图像进行处理，可以尽量减少因光照不足 引起的图像质量下降，并对感兴趣的景物进行有效增强，这样就在很大程度上做到 了原图像的图像增强。 同态滤波器能够减少低频并且增加高频，从而能减少光照变化并锐化边缘细节。
频域空间中，图像的信息表现为不同频率分量的组合。通过抑制某些频率分 量的输出，改变频率分布，达到不同的增强目的。 频域空间的增强有三个步骤： step 1：空域 频域 step 2：频域内增强 step 3：频域 空域
卷积定理
去除（抑制）图像中的高频分量而使低频通过，达到平滑和去除噪音 的效果。 （1）理想低通滤波器 截止频率 (5.2.1)
（3）带通和带阻滤波器的联系 两者是互补关系。
带通滤波器 带阻滤波器
陷波滤波器可以阻止或通过以某个频率为中心的邻域里的频率，所以本质上仍然是带 阻或带通滤波器 可分为陷波带阻滤波器和陷波带通滤波器 借助陷波滤波器可以消除周期噪声
理想陷波带阻滤波器
根据Fourier 变换的对称性，为了消除不是以原点为中心的给定区域内的频率，陷波带
数字图像处理之频率域图像增强
图像增强技术广泛应用于医学影 像、遥感、安全监控、机器视觉
等领域。
频率域图像增强的概念
01
频率域图像增强是指在频率域 对图像进行操作，通过改变图 像的频率成分来改善图像的质 量。
02
频率域增强方法通常涉及将图 像从空间域转换到频率域，对 频率域中的成分进行操作，然 后再将结果转换回空间域。
直方图规定化
直方图规定化是另一种频率域图像增强 方法，其基本思想是根据特定的需求或 目标，重新定义图像的灰度级分布，以
达到增强图像的目的。
与直方图均衡化不同，直方图规定化可 以根据具体的应用场景和需求，定制不 同的灰度级分布，从而更好地满足特定
的增强需求。
直方图规定化的实现通常需要先对原始 图像进行直方图统计，然后根据规定的 灰度级分布进行像素灰度值的映射和调
灵活性
频率域增强允许用户针对特定频率成 分进行调整，从而实现对图像的精细 控制。例如，可以增强高频细节或降 低噪声。
总结与展望 数字图像处理之频率域图像增强的优缺点
频谱混叠
在频率域增强过程中，如果不采取适 当的措施，可能会导致频谱混叠现象， 影响图像质量。
计算复杂度
虽然频率域增强可以利用FFT加速， 但对于某些复杂的图像处理任务，其 计算复杂度仍然较高。
傅立叶变换具有线性、平移不变性和周期性等性质，这些性质在图像增强中具有重 要应用。
傅立叶变换的性质
线性性质
傅立叶变换具有线性性质，即两 个函数的和或差经过傅立叶变换 后，等于它们各自经过傅立叶变
换后的结果的和或差。
平移不变性
傅立叶变换具有平移不变性，即 一个函数沿x轴平移a个单位后， 其傅立叶变换的结果也相应地沿
THANKS
第5章傅立叶变换与频域图像增强
1 F (u , v) N
x பைடு நூலகம் y 0
N 1
N 1
2(ux vy ) 2(ux vy ) f ( x, y )[cos( ) j sin( )] N N
F(u,v)通常是复数。
7
1 F (u , v) N
x 0 y 0
N 1 N 1
f ( x, y ) cos(
频谱图像|F(u,v)|特点：
低频部分集中了大部分能量；
F (0,0) N f
高频部分对应边缘和噪声等细节内容。
频域增强是通过改变图像中不同频率分量来实现的。 频域滤波器：不同的滤波器滤除的频率和保留的频率 不同，因而可获得不同的增强效果。
30
频域增强方法的三个步骤：
1.将图像从图像空间转换到频域空间（如傅里叶变换）；
x 0 y 0
N 1
N 1
ux vy f ( x, y ) exp[ j2( )] N
2(ux vy ) 2(ux vy ) f ( x, y )[cos( ) j sin( )] N N
x 0 y 0
N 1
N 1
F (u, v) R(u, v) jI (u, v) F (u, v) exp j (u, v)
f (x,y)、h (x,y)均补零扩充为P×Q，
P=2N-1;
Q=2N-1.
G(u, v) H (u, v) F (u, v) g ( x, y) : N N
图像进行傅立叶变换，需将其看作周期函数的一个 周期；
周期函数进行卷积，为避免周期折叠误差，需对函 数进行补零扩展。
实验5 图像频域增强
实验5 图像频域增强一、实验目的通过本实验使学生掌握使用MATLAB的二维傅里叶变换进行频域增强的方法。
二、实验原理本实验是基于数字图像处理课程中的图像频域增强理论来设计的。
本实验的准备知识：第四章频域图像增强中的一维傅里叶变换和二维傅里叶变换，频域图像增强的步骤，频域滤波器。
根据教材285页到320页的内容，开展本实验。
可能用到的函数：1、延拓函数padarray例：A=[1,2;3,4];B=padarray(A,[2,3],’post’);则结果为B =1 2 0 0 03 4 0 0 00 0 0 0 00 0 0 0 0使用该函数实现图像的0延拓。
Padarray还有其它用法，请用help查询。
2、低通滤波器生成函数首先编写dftuv函数，如下function [U,V]=dftuv(M,N)%DFTUV Computes meshgrid frequency matrices.% [U,V]=DFTUV(M,N] computes meshgrid frequency matrices U and V. Uand V are useful for computing frequency-domain filter functions thatcan be used with DFTFILT. U and V are both M-by-N.% Set up range of variables.u=0:(M-1);v=0:(N-1);% Compute the indices for use in meshgrid.idx=find(u>M/2);u(idx)=u(idx)-M;idy=find(v>N/2);v(idy)=v(idy)-N;%Compute the meshgrid arrays.[V,U]=meshgrid(v,u);然后编写低通滤波器函数function [H,D]=lpfilter(type,M,N,D0,n)% LPFILTER computers frequency domain lowpass filters.% H=lpfilter(TYPE,M,N,D0,n) creates the transfer function of a lowpassfilter, H, of the specified TYPE and size(M-by-N). To view the filter asan image or mesh plot, it should be centered using H=fftshift(H).% valid values for TYPE, D0, and n are:% 'ideal' Ideal lowpass filter with cutoff frequency D0. n need notbe supplied. D0 must be positive.% 'btw' Butterworth lowpass filter of ordern, and cutoff D0. Thedefault value for n is 1. D0 must be positive.% 'gaussian' Gaussian lowpass filter with cutoff (standard deviation)D0.n need not be supplied. D0 must be positive.%Use function dftuv to set up the meshgrid arrays needed for computingthe required distances.[U,V]=dftuv(M,N); %D=sqrt(U.^2+V.^2); % Compute the distances D(U,V)% Begin filter computations.switch typecase 'ideal'H=double(D<=D0);case 'btw'if nargin==4n=1;endH=1./(1+(D./D0).^(2*n));case 'gaussian'H=exp(-(D.^2)./(2*(D0^2)));otherwiseerror('Unknown filter type')end通过调用函数lpfilter可生成相应的滤波器掩膜矩阵。
光电图像处理实验报告(图像增强)
电子科技大学实验报告学生姓名： XXX学号： XXXXXXXXXX指导教师： XXX日期： 2010年3月25日一、实验室名称： 光电楼327机房二、实验项目名称： 图像增强三、实验原理：图像在生成、获取、传输等过程中，受照明光源性能、成像系统性能、通道带宽和噪声等因素的影响，造成对比度偏低、清晰度下降、并引入干扰噪声。
因此，图像增强的目的，就是改善图像质量，获得更适合于人眼观察、或者对后续计算机处理、分析过程更有利的图像。
图像增强是有选择地突出某些对人或计算机分析有意义的信息，抑制无用信息，提高图像的使用价值。
1、对数与指数变换提高对比度(1) 对数变换，低灰度区扩展，高灰度区压缩。
(2) 指数变换，高灰度区扩展，低灰度区压缩。
对合适的图像选择对数变换或者指数变换，均可提高图像对比度。
cb y x f a y x g ln ]1),(ln[),(++=1),(]),([-=-a y x f c b y x g2、中值滤波中值滤波法是把邻域内所有像素按灰度顺序排列，然后取中间值作为中心像素的输出。
中值滤波可以有效的去除椒盐噪声。
四、实验目的：1、熟练掌握各种灰度域变换的图像增强原理及方法；2、熟悉直方图均衡化和直方图规格化的原理及方法；3、了解空域滤波中常用的平滑和锐化滤波器；4、熟悉和掌握利用Matlab 工具进行图像的读、写、显示及基本的图像处理步骤；5、利用Matlab 工具进行图像增强处理。
五、实验内容：1、读取一幅低对比度图像，分别对其进行对数变换与指数变换。
进行变换前，应根据需要分别选取合适的指数和对数函数（即确定a、b、c 等调节因子），画出指数和变换曲线。
程序设计及处理过程中，要求在同一窗口中分别显示原始图像、变换结果及其直方图。
2、读取一幅含有椒盐噪声的被污染图像，并对其进行中值滤波处理。
要求在同一窗口中显示原始图像及中值滤波的结果。
（选作内容）六、实验器材（设备、元件）：计算机，Matlab软件七、实验步骤：1、对数与指数变换提高对比度⑴打开计算机，从计算机中选择一幅对比度较低的图像作为原始图像。
第五章图像增强课件
其中
5.3.1 直方图基本概念
原始图像
直方图
5.3.1 直方图基本概念
不同图像内容具有相同直方图的实例。
由灰度直方图的定义可知，数字图像的灰度直方图具有以下几个特性：
（1）直方图的位置缺失性。
灰度直方图仅仅反映了数字图像中各灰度级出现频数的分布，但对那些
具有同一灰度值的像素在图像中的空间位置一无所知，即灰度直方图具有位
（1）空间域法。
是指在空间域中，直接对图像进行各种线性或非线性运算，对图像的
像素灰度值作增强处理。
（2）频域法。
是在图像的变换域中，把图像看成一种二维信号，对其进行基于二维
傅立叶变换的信号增强。
二、图像增强分类
点运算
空域法
模板处理
点运算是作用于单个像素的空间域处理方法，包括图像灰度变换、直
方图修正、伪彩色增强等技术；
当邻域为单个像素，即1×1时，输出仅仅依赖 f在(x,y) 处的像素灰度
值，此时的处理方式通常称为点处理。
5.2.2 线性灰度变换
线性变换的表达式
5.2.2 线性灰度变换
[0-32]范围
[0-128]范围
[0-64]范围
[0-256]范围
5.2.2 线性灰度变换
灰度拉伸的范围越小，像素间的灰度值越相近，图像的表现力越差。
（1）在 0 ≤ ≤ 1
区间内， T[r] 为单值单调递增函数；
（2）对于 0 ≤ ≤ 1 ，对 应有0≤s=T[r]≤1 。
变换函数的求解：
5.3.2 直方图均衡化
对于数字图像，其灰度 k 出现的概率可近似表示：
5.3.2 直方图均衡化
利用直方图均衡进行图像增强的过程可分成以下几个步骤：
matlab-光电图像处理实验(图像增强)
光学图像处理实验报告学生姓名：班级：学号：指导教师：日期：一、实验室名称：二、实验项目名称：图像增强三、实验原理：图像增强处理是数字图像处理的一个重要分支。
很多由于场景条件的影响图像拍摄的视觉效果不佳，这就需要图像增强技术来改善人的视觉效果，增强图象中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
比如突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等等，这些都有利于对图像中目标的识别、跟踪和理解。
图像增强处理主要内容是突出图像中感兴趣的部分，减弱或去除不需要的信息。
这样使有用信息得到加强，从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像。
图像增强的应用领域也十分广阔并涉及各种类型的图像。
例如，在军事应用中，增强红外图像提取我方感兴趣的敌军目标；在医学应用中，增强X射线所拍摄的患者脑部、胸部图像确定病症的准确位置；在空间应用中，对用太空照相机传来的月球图片进行增强处理改善图像的质量；在农业应用中，增强遥感图像了解农作物的分布；在交通应用中，对大雾天气图像进行增强，加强车牌、路标等重要信息进行识别；在数码相机中，增强彩色图像可以减少光线不均、颜色失真等造成的图像退化现象。
图像增强可分成两大类：频率域法和空间域法。
前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。
采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。
具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。
频域图像增强(加强版)
•
一维傅里叶变换及其反变换实质
单变量连续函数f(x)的傅里叶变换F(u)定义：
其中 .相反, 给定F(u)，通过傅里叶变换可以获得f(x)：
这些等式很容易扩展到两个变量u和v 单变量离散函数f(x)（其中x=0，1，2，3，…，M-1）的傅里叶变换：
给出F(u)，能用反DFT来获得原函数
离散傅里叶变换和它的反变换总是存在的
H(u,v)被称为滤波器的原因是它在变换中抑制某些频率 但其他频率不受影响。
频率域中的滤波基础
图像在频域上增强的基本流程
傅里叶变换和频率域的介绍
• 傅里叶在这个特殊领域的贡献是他指出任何周期期函数都 可以表示为不同频 率的正弦和/或余弦和的形式，每个正弦和/或余弦和乘以不同的系数（现在称 为傅里叶级数）。无论函数有多么复杂，只要它是周期的，并且满足 某些软 的数学条件，都可以用这样的和来表示。 甚至非周期的函数（但是这些领域是在曲线是有限的情况下）也可以用正弦 和/或余弦乘以加权函数的积分来表示。
二维DFT及其反变换与一维的DFT性质相似 一个恰当的比喻是将傅里叶变换比做一个玻璃棱镜。棱镜是可以将光分成 不同颜色成分的物理仪器。每个成分的颜色由波长（或频率）决定。 傅里叶变换可以看做“数学的棱镜”，将函数基于频率分成不同的成分。
一些基本的滤波器及其性质
陷波滤波器：当可以识别由特定的、局部化频域成分引起的空间图像效果时， 陷波滤波器是一个非常有用的工具。图像的平均值由F(0,0)给出 如果在频率域中设置此项为零，并进行反变换，那么结果图像的 平均值将为零. 低通滤波器 : 使低频通过而使高频衰减的滤波器 .被低通滤波的图像比原始图 像少一些尖锐的细节部分，因为高频部分已被衰减。 高通滤波器: 使高频通过而使低频衰减的滤波器 .被高通滤波的图像在平滑区域 中将减少一些灰度级的变化并突出过渡(如边缘)灰度级的细节部分 这样的图像将更为锐化。 同态滤波器: 基于照度反射模型所开发的滤波器，通过同时进行的灰度范围的 压缩和对比度增强来改变一幅图像的外观。基本原理在于一幅图 像能被表达成照度和亮度的乘积。 带通滤波器：
实验五 图像的频域增强
实验五 图像的频域增强一、实验目的1、了解图像滤波的基本定义及目的；2、了解频域滤波的基本原理及方法；3、掌握用MA TLAB 语言进行图像的频域滤波的方法。
二、实验原理1、低通滤波一般来说，图像的边缘和噪声都对应于傅立叶变换中的高频部分,所以能够 让低频信号畅通无阻而同时滤掉高频分量的低通滤波器能够平滑图像,去除噪声.常用的几种有,理想的低通滤波器,巴特沃斯低通滤波器,指数滤波器等.传递函数形式如下所示.理想的低通滤波器:001(,)(,)0(,)D u v D H u v D u v D ≤⎧=⎨>⎩巴特沃斯低通滤波器201(,)1[(,)/]n H u v D u v D =+ 指数滤波器 0[(,)/](,)n D u v D H u v e -=(,)D u v 表示(,)u v 到原点的距离，0D 表示截止频率点到原点的距离。
傅立叶变换的主要能量集中在频谱的中心，合理的选择截止频率对保留图象的能量至关重要。
理想的低通滤波后的图象将会出现一种“振铃”特性，造成图象不同程度的模糊，0D 越小，模糊的程度越明显。
造成这种模糊的原因在于理想的低通滤波器的传递函数在0D 处有1突变为0，经傅立叶反变换后在空域中表现为同心圆的形式。
2、高通滤波与图像中灰度发生骤变的部分与其频谱的高频分量相对应，所以采用高通滤波器衰减或抑制低频分量，是高频分量畅通并对图象进行锐化处理。
常用的高通滤波器有理想的高通滤波器、巴特沃斯高滤波器,指数高通滤波等。
传递函数如下。
理的高通滤波器:001(,)(,)0(,)D u v D H u v D u v D ≥⎧=⎨<⎩巴特沃斯低通滤波器201(,)1[/(,)]nH u v D D u v =+指数滤波器0[/(,)](,)nD D u v H u v e -=由于经过高通滤波后图像丢失了许多低频信息，所以图像平滑区基本会消失。
为此，需要采用高频加强滤波来弥补。
第5章-频域图像增强20161028
知识回顾(1)
第3章 空域图像增强
图像平滑：模糊和降噪； 图像锐化：增强图像中的边缘和细节，减弱或清除灰度变 化缓慢的区域。
空域图像增强和频域图像增强结合起来就是图像增强技术的 完整内容。
输入图像
进行傅里叶逆变换，转换回空域中： 表示傅里叶逆变换。
傅里叶逆变换 增强图像
为滤波图像，
F (u; v )
傅里叶变换 滤波函数
H (u; v ) F (u; v )
f (x; y )
H (x; y )
g (x; y )
频域滤波的方框图
9
频域滤波基本步骤
传递函数 为实数的滤波器称为零相位滤波器，不
图像平滑
均值平滑模板 高斯平滑模板
图像锐化
4邻域拉普拉斯 8邻域拉普拉斯
知识回顾(2)
第4章 频域变换
傅里叶变换：频谱是一种在频域中描述图像特征的方法， 反映了图像的幅度和相位随频率的分布情况。
频谱特性：图像的平坦区域对应频谱中的低频成分，而图 像的细节内容对应频谱中的高频成分。
频域图像增强正是利用图像在频域中特有的频率特征进行 滤波处理。
截止频率为15
截止频率为30
理想高通滤波器的传递函数及其冲激响应函数
35
理想高通滤波器
高通滤波器的空域冲激响应函数中心都有一个冲激，这 是因为
式中，
为单位脉冲函数，
表示互为傅里叶变换对。
36
理想高通滤波器
灰度图像
截止频率为5
截止频率为15
傅里叶谱
频率域图像增强PPT课件
D二（阶u是，有v效）的=[低(u通-P滤/糊2波)2和是+(可v由-接Q受/2于振)2铃]高0之. 频间好成的折分中比。 较弱产生的。频率域锐化就是为了消 用（-1）x+y乘fp(x除，y模)移糊到变，换的突中出心。边缘。因此采用高通滤波器让高频成分通过，
这截样止我 频们率就分可别以为进10行,使3傅0里,低6叶0,频变16换0成和4分60削弱，再经逆傅立叶变换得到边缘锐化的图像。
主题
图像增强的目的主要包括：①消除噪声，改善图像的视觉 效果；②突出边缘，有利于识别和处理。前面是关于图像空间 域增强的知识，下面介绍频率域增强的方法。
频率域增强是对图像经傅立叶变换后的频谱成分进行处理， 然后逆傅立叶变换获得所需的图像。
频率域
1.低通滤波 2.高通滤波 3.同态滤波增强
频率域滤波基础
高斯低通滤波器
如之前一样，分别是透视图，图像显示和径向剖面图 与BLPF相比，对于相同的截止频率，平滑效果稍弱。
我们可以从两者之间的剖面图进行比较，GLPF没 有BLPF那样紧凑。 但是重要的是，GLPF中没有振铃。
比较
截止 频率 分别 为 10,3 0,60 ,160 和 460
2阶布特沃斯低通滤波
这由样于我 高们频就成第可分一以包进含幅行有傅大图里量为叶的变边理换缘信想息低，因通此采滤用波该滤器波器变在换去噪函声的数同的时将透会导视致图边缘信息损失而使图像边模糊。 ▽前2面f是(x关,y于第)=图ζ 二-像1[空H幅间(u域图,v增)F为强(u的,图v知)]识像，形下面式介绍显频示率域的增强滤的波方法器。 图像中照射第分三量i（幅x，图y）为通滤常由波慢的器空径间变向化来横表截征，面而反射分量旺旺引发突变。
• 理想低通滤波器 • 布特沃斯低通滤波器 • 高斯低通滤波器 • 梯形滤波器
5.图像的频域增强及傅里叶变换
5. 图像的频域增强及傅里叶变换傅立叶变换在图像处理中有非常非常的作用。
因为不仅傅立叶分析涉及图像处理的很多方面，傅立叶的改进算法，比如离散余弦变换，gabor与小波在图像处理中也有重要的分量。
印象中，傅立叶变换在图像处理以下几个话题都有重要作用：1.图像增强与图像去噪绝大部分噪音都是图像的高频分量，通过低通滤波器来滤除高频——噪声; 边缘也是图像的高频分量，可以通过添加高频分量来增强原始图像的边缘；2.图像分割之边缘检测提取图像高频分量3.图像特征提取：形状特征：傅里叶描述子纹理特征：直接通过傅里叶系数来计算纹理特征其他特征：将提取的特征值进行傅里叶变换来使特征具有平移、伸缩、旋转不变性4.图像压缩可以直接通过傅里叶系数来压缩数据；常用的离散余弦变换是傅立叶变换的实变换；傅立叶变换傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。
连续情况下要求原始信号在一个周期内满足绝对可积条件。
离散情况下，傅里叶变换一定存在。
冈萨雷斯版<图像处理>里面的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。
棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。
傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。
当我们考虑光时,讨论它的光谱或频率谱。
同样,傅立叶变换使我们能通过频率成分来分析一个函数。
傅立叶变换有很多优良的性质。
比如线性，对称性（可以用在计算信号的傅里叶变换里面）;时移性：函数在时域中的时移，对应于其在频率域中附加产生的相移，而幅度频谱则保持不变；频移性：函数在时域中乘以，可以使整个频谱搬移w。
这个也叫调制定理，通讯里面信号的频分复用需要用到这个特性（将不同的信号调制到不同的频段上同时传输）；卷积定理：时域卷积等于频域乘积；时域乘积等于频域卷积（附加一个系数）。
（图像处理里面这个是个重点）信号在频率域的表现在频域中，频率越大说明原始信号变化速度越快；频率越小说明原始信号越平缓。
5频域增强技术
频域图像增强－滤波应用举例
打印、传真、复印、扫描过程会造成字符失真或断裂 等，采用D0=80的高斯低通滤波器修复字符
频域图像增强－滤波应用举例
分别采用D0=100和80的GLPF滤波来减少眼部鱼尾纹
频域图像增强－滤波应用举例
分别采用D0=30和10的GLPF滤波来模糊细节，同时保 留区域的特征，便于计算机分析和识别
频域图像增强－噪声去除
噪声去除：从被噪声污染的图像恢复原图像 g ( x, y ) = f ( x, y ) + η ( x , y )
G (u, v) = F (u, v) + N (u , v)
噪声来源
图像获取的数字化过程，如图像传感器的质量和环 境条件 图像传输过程中传输信道的噪声干扰，如通过无线 网络传输的图像会受到光或其它大气因素的干扰
D0为截至频率距原点的距离，D(u,v)是点(u,v)距原 点的距离 不同于ILPF，BLPF滤波函数没有明显的截断，但随 着D(u,v)的增大，H(u,v)越来越小 当D(u,v)=0时，H(u,v)取最大值1 当D(u,v)=D0时，H(u,v)=0.5
频域图像增强－巴特沃思低通滤波器
要点：阶数n越高，越接近理想低通滤波器
频域图像增强－理想低通滤波器
理想低通滤波器(ILPF)
截断傅里叶变换中的所有高频成分，这些高 频成分处于指定距离D0之外
频率矩形的中心在(u,v)=(M/2,N/2)，从点(u,v) 到中心（原点）的距离定义如下：
频域图像增强－理想低通滤波器
要点：截断频率距离D0的选择决定滤波的效果
频域图像增强－理想低通滤波器
n阶BHPF：H (u , v) =
1 1 + [ D0 / D(u , v)]2 n