数字图像处理第7讲频域增强
图像增强——频域增强法课程设计
《 MATLAB 实践》课程设计题目：图像增强——频域增强法指导教师：王秋云姓名学号刘利刚200981010118二○○六年 6 月29 日目录1、设计目的 (2)2、题目分析 (2)3、总体设计 (3)4、具体设计 (4)4.1图像的读取和保存 (4)4.1.1利用“读入图像”按钮实现图片的读取 (4)4.1.2图像保存 (6)4.2 程序的还原与撤销 (7)4.3 图像的截取 (7)4.4 加入各种噪声，并通过几种滤波算法实现去噪。
(8)4.4.1 加入噪声 (8)4.5 滤除噪声 (11)4.6.1图像翻转 (15)4.6.2 图像旋转 (16)5、结果分析 (17)6、心得体会 (18)参考书目 (19)摘要：图像增强是指按特定的需要突出一幅图像中的某些信息，同时消弱或去除某些不需要的信息。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强的方法分为空域法和频域法两类，空域法主要是对图像中的各个像素点进行操作；而频域法是在图像的某个变换域内，对图像进行操作，修改变换后的系数，例如傅立叶变换，DCT变换等的系数，然后再进行反变换得到处理后的图像。
关键字：高斯噪声，巴特沃斯滤波，理想低通滤波，梯形低通滤波1、设计目的综合运用MATLAB工具箱实现图像处理的GUI程序设计，利用MATLAB图像处理工具箱，实现图像增强—频域增强。
2、题目分析利用matlab的GUI程序设计一个简单实用的图像处理程序，该程序应具备图像处理的常用功能，以满足用户的使用。
现设计程序有以下基本功能：1）图像的读取和保存。
2）设计图形用户界面，让用户能够对图像进行任意角度的翻转。
3）设计图形用户界面，让用户能够用鼠标截取图像感兴趣区域，并显示和保存该选择区域。
4）设计图形用户界面，让用户能够对图像添加任意参数的各种噪声，如椒盐噪声、高斯噪声、乘性噪声等。
5）设计图形用户界面，让用户能够对图像实现中值滤波、线性滤波、自适应滤波等操作。
数字图像处理课设图像频域增强正文
第1章绪论MATLAB是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。
它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。
MATLAB和Mathematica、Maple并称为三大数学软件。
它在数学类科技应用软件中在数值计算方面首屈一指。
MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连matlab开发工作界面接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。
MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且MATLAB也吸收了像Maple等软件的优点，使MATLAB 成为一个强大的数学软件。
在新的版本中也加入了对C，FORTRAN，C++，JA V A 的支持。
可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。
第2章数字图像处理的相关知识2.1图像频域增强原理图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强的方法分为空域法和频域法两类，空域法主要是对图像中的各个像素点进行操作；而频域法是在图像的某个变换域内，对图像进行操作，修改变换后的系数，例如傅立叶变换、DCT变换等的系数，然后再进行反变换得到处理后的图像。
数字图像处理(冈萨雷斯)课件5-频域增强
滤波在频率域中更为直观，但在空间域一般使用更小 的滤波器模板
可以在频率域指定滤波器，做反变换，然后在空间域 使用结果滤波器作为在空间域构建小滤波器模板的指导
频率域滤波
高斯频率域低通滤波器函数
H u Ae
u 2 / 2 2
对应空间域高斯低通滤波器为 h x 2 Ae 2 x
理想低通滤波器举例——具有振铃现象
结论：半径D0越小，模糊越大；半径D0越大，模糊越小
半径是5的理想低通滤 原图 波,滤除8%的总功率， 模糊说明多数尖锐细 节在这8%的功率之内
半径是15的理想低通 滤波,滤除5.4%的总 功率
半径是30的理想低通滤 波,滤除3.6%的总功率
半径是230的理想低通 滤波,滤除0.5%的总功 半径是80的理想低通 滤波,滤除2%的总功率 率，与原图接近说明 边缘信息在0.5%以上 的功率中
2 2
1 2
频率域图像增强
理想低通滤波器
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
频率域图像增强
理想低通滤波器
总图像功率值PT
P T Pu, v
u0 v0
M 1 N 1
Pu, v F u, v Ru, v I u, v
说明空间域乘法可以通过频率域的卷积获得 上述两个公式主要为两个函数逐元素相乘的 乘法
频率域滤波
定义：在(x0,y0)，强度为A的冲激函数表示为
Axx0, y y0 ,定义为
M 1 N 1 x0 y 0
sx, yA x x , y y Asx , y
最新数字图像处理图像增强ppt课件
4.2.1 灰度级变换的应用
第 四
3.灰度级变换的应用之三
章
灰度级切片
图
像 255
255
增
强 176
214
0
48 134
255
0 48 142 255
4.2.2 获取变换函数的方法
第 四
1.获取变换函数的方法之一
章
固定函数：指数函数、正弦函数、分段直线、
图
对数函数，如显示傅立叶的s=c log(1+|r|)
四
设有1个整数函数I(l),l=0,1, … ,N-1,满足0 ≤I(0) ≤ … ≤I(l)
章 ≤ … ≤I(N-1) ≤M-1 。现要确定能使下式达到最小的I(l)
图
像 增
I(l)
l
ps si pu u j
l 0,1,, N 1
强
i0
j0
如果l=0, 则将其i从0到I(0)的si对应到u0去，如果l≥1, 则将其 i从I(l-1)+1到I(l)的si都对应到ul去。
章
01234567
图
(a) 原始图像直方图
像
0.3
增 强
0.25
0.24
0.2
0.19
0.21
0.11
0.1
0 01234567
(c) 均衡化后的直方图
4.3.1 直方图均衡化
第 小结： 四 章 1) 灰度变换关系
图
灰度变换关系式，通过公式
像
增 强
tk EH sk
k i0
ni n
k i0
0→1
1→3 790
2→5
3,4→ 6 1023
5,6,7 →7 850 985 448
数字图像的频域增强论文
数字图像处理结课作业--数字图像频域增强方法及在matlab中的实现数字图像的频域增强摘要：图像增强处理技术是图像处理领域中一项基本的，也是很重要的技术，一直是图像处理领域中不可回避的研究课题。
因为一幅图像总是可能受到各种因素的干扰影响，造成图像质量的下降。
图像增强包含两个方面内容：一是消除噪声，二是增强(或保护)图像特征。
对图像恰当增强，能使图像去噪的同时特征得到较好保护，使图像更加清晰明显，从而提供给我们准确的信息。
常用的图像增强技术各有其特点和效果。
论文在介绍图像频域增强原理的基础上，在频域内通过对Butterworth低通滤波器增强方法进了研究，介绍了相关的理论和数学模型，并给利用MATLAB工具进行实现。
通过各种滤波后图像比较，实验证明在质量较差的图像中，选择不同的滤波算法对图像的增强在准确性上均有不同。
关键词：图像增强；Butterworth低通滤波器；MATLAB1．频域图像增强的目的、意义及主要内容1.1频域图像增强技术的目的：分析几种频域图像增强方法,并能够用频域法进行图像增强,通过形态学方法进行图像特征抽取和分析。
熟练的运用MATLAB,掌握修改图像的傅里叶变换来实现图像的增强技术。
1.2频域图形增强技术的意义：图像增强是图像处理中用来消除原始图像边缘模糊、对比度差等缺点的常用技术,它需要解决的问题包括边缘增强、噪声的滤除、高斯噪声的平滑和细节的保护等等。
本论文主要是针对整体偏暗图像而提出的图像增强的方法。
对于整体偏暗的图像,我们可以用直方图均衡化来调节图像的灰度分布,使图像变亮。
此外,为了进一步提高图像的视觉效果,即解决包括边缘增强、噪声滤除等问题,我们还可以用频域图像增强方法（高通滤波器和低通滤波器）来处理,因为高通滤波器可以突出图像边缘,增强有用信息,使图像更加清晰,而低通滤波器可以平滑去噪,抑制无用信息,从而提高图像成分的可分辨性。
1.3主要内容图像是一种重要的信息源,图像处理的最终目的就是要帮助人类理解信息的内涵。
图像处理课程设计实景图像的频域增强
实景图像的频域增强一、设计的目的和意义目的：1.掌握图像频域增强的概念及其计算方法。
2 .熟练掌握傅立叶变换和卷积的计算过程。
3.熟练掌握频域滤波中常用的Butterworth低通滤波器。
4.利用MATLAB程序进行图像增强。
意义：图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
二、设计原理图像增强的方法分为空域法和频域法两类，空域法主要是对图像中的各个像素点进行操作；而频域法是在图像的某个变换域内，对图像进行操作，修改变换后的系数，例如傅立叶变换、DCT变换等的系数，然后再进行反变换得到处理后的图像。
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)的卷积结果是g(x,y),即g(x,y)=h(x,y)*f(x,y),那么根据卷积定理在频域有：G(u,v)=H(u,v)F(u,v) （1）其中G(u,v),H(u,v),F(u,v)分别是g(x,y),h(x,y),f(x,y)的傅立叶变换。
用线性系统理论的话来说，H(u,v)是转移函数。
在具体的增强应用中，f(x,y)是给定的（所以F(u,v)可利用变换得到），需要确定的是H(u,v)，这样具有所需特性的g(x,y)就可由式（1）算出G(u,v)而得到：g(x,y)=F-1[H(u,v)F(u,v)](1)Butterworth 高通滤波器n 阶巴特沃斯高通滤波器的传递函数定义如下：(2)指数高通滤波器指数高通滤波器的传递函数为：(3)梯形高通滤波器传递函数为：三、 算法步骤（1） 计算需增强图的傅立叶变换；（2） 将其与1个（根据需要设计的）转移函数相乘；（3） 再将结果傅立叶反变换以得到增强的图。
四、 实现程序I=imread('D:\lena.bmp');noisy=imnoise(I,'gaussian',0.01);F=fft2(noisy);[M,N]=size(I);fftshift(F);原始图像 输出图像滤波增强 频域变换 频域反变换Duct=35;D0=250;D1=150;for u=1:Nfor v=1:MD(u,v)=sqrt(u^2+v^2);BUTTERH(u,v)=1/(1+(sqrt(2)-1)*(Duct/D(u,v))^2);EXPOTH(u,v)=exp(log(1/sqrt(2))*(Duct/D(u,v))^2);if D(u,v)<D1THPFH(u,v)=0;elseif D(u,v)<=D0THPFH(u,v)=(D(u,v)-D1)/(D0-D1);elseTHPFH(u,v)=1;endendendBUTTERG=BUTTERH.*F;BUTTERfiltered=ifft2(BUTTERG);EXPOTG=EXPOTH.*F;EXPOTfiltered=ifft2(EXPOTG);THPFG=THPFH.*F;THPFfiltered=ifft2(THPFG); figure,imshow(noisy);title('原图加噪图像');figure,imshow(BUTTERfiltered); title('巴特沃斯高通滤波'); figure,imshow(EXPOTfiltered); title('指数高通滤波');figure,imshow(THPFfiltered); title('梯形高通滤波');五、结果对比及分析原图加噪图像巴特沃斯高通滤波指数高通滤波梯形高通滤波对比分析：高通滤波器只记录了图像的变化，而不能保持图像的能量。
图像处理课件04频率域图像增强
u 0,1,, M 1 v 0,1,, N 1
反变换: f ( x, y ) F (u , v) e j 2 ( ux / M vy / N )
u 0 v 0 M 1 N 1
x 0,1, , M 1 y 0,1, , N 1
一般F(u,v)是复函数,即:
1
2
5
20
３、高斯低通滤波器（GLPF）
H (u, v) e
D 2 u ,v / 2 2
令 D0
H (u, v) e
2 D 2 u ,v / 2 D0
当D(u, v) D0
H (u, v) 0.607
有更加平滑的过渡带，平滑后的图象没有振铃现象 与BLPF相比，衰减更快，经过GLPF滤波的图象比 BLPF处理的图象更模糊一些
高通滤波与低通滤波的作用相反，它使高频分量顺 利通过，而使低频分量受到削弱。
H hp (u, v) 1 H lp (u, v)
与低通滤波器相对应，频率域内常用的高通滤波器 有３种： 1. 理想高通滤波器 2. 巴特沃斯高通滤波器 3. 高斯高通滤波器
空间域滤波和频率域滤波之间的对应 关系
卷积定理：
f ( x, y) h( x, y) F (u, v) H (u, v)
f ( x, y)h( x, y) F (u, v) H (u, v)
冲激函数
M 1 N 1 x 0 y 0
s( x, y) A ( x x , y y ) As( x , y )
频率域的基本性质：
低频对应着图像的慢变化分量。
较高的频率对应着图像中变化较快的灰度级。
变化最慢的频率成分（原点）对应图像的平均灰度级。
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
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
数字图像处理-频率域中的图像增强
Chapter 4 Image Enhancement in the Frequency Domain
Chapter 4 Image Enhancement in the Frequency Domain
内容
• 引言 • 傅立叶变换 • 频域增强原理 • 低通滤波（理想、巴特沃斯、高斯）、高
通滤波、带通/带阻滤波
傅立叶变换的提出
• 让我们先看看为什么会有傅立叶变换？
– 傅立叶是一位法国数学家和物理学家的名字， 英语原名是Jean Baptiste Joseph Fourier(17681830)
– Fourier对热传递很感兴趣，于1807年在法国科 学学会上发表了一篇论文，运用正弦曲线来描 述温度分布。
– 论文里有个在当时具有争议性的决断： 任何连 续周期信号可以由一组适当的正弦曲线组合而 成。
Chapter 4 Image Enhancement in the Frequency Domain
傅立叶变换的提出
• 为什么我们要用正弦曲线来代替原来的曲线呢 ？
– 例如：我们也还可以用方波或三角波来代替呀，分解信号的方法是无 穷的，但分解信号的目的是为了 更加简单地处理原来的信号。
– 用正余弦来表示原信号会更加简单，因为正余弦拥有原信号所不具有 的性质：正弦曲线保真度。一个正弦曲线信号 输入后，输出的仍是正 弦曲线，只有幅度和相位可能发生变化，但是频率和波的形状仍是一 样的。且只有正弦曲线才拥有这样的性质，正因如此 我们才不用方波 或三角波来表示。
Chapter 4 Image Enhancement in the Frequency Domain
傅立叶变换的提出
• 让我们先看看为什么会有傅立叶变换？
数字图像处理 第7章频域图像增强处理.ppt
理想高通滤波器的定义 一个二维的理想高通过滤器（ILPF）的转换函数 满足（是一个分段函数）
0 H (u, v) 1
D(u, v) D0 D(u, v) D0
其中：D0 为截止频率
D(u,v)为距离函数 D(u,v)=(u2+v2)1/2
第七章 频域处理
理想高通滤波器的示意图
– 被钝化的图像被一种非常严重的振铃现象—— 理想低通滤波器的一种特性所影响。
第七章 频域处理
振铃（ring）现象
由传递函数H(u,v)的性质所决定。
) G(x, y) H (u,v)F(u,v) g(x, y) h(x, y) f (x, y)
H(u,v)
H (u,v) h(x, y)
前处理
DFT
滤波函数
DFT-1
f(x,y)
F(u,v) H(u,v) F(u,v) H(u,v)
后处理 g(x,y)
第七章 频域处理
举例：
0 (u,v) (M / 2, N / 2)
H (u,v) 1
其它
第七章 频域处理
7.6.2 平滑的频域滤波器（低通滤波） （1）频域低通滤波的基本思想
第七章 频域处理
BLPF中的振铃效应，阶数分别为1，2，5，20
第七章 频域处理
（4）高斯低通滤波器 (Gauss Lowpass Filter) Gauss低通滤波器（GLPF）的定义
Gauss低通滤波器的变换函数如下：
H (u, v) eD2 (u,v)/ 2D02
第七章 频域处理
h(x,y)
1 0 D0 D(u,v)
0 1/(2D0)
第七章 频域处理
频域图像增强
对转移函数乘以一个常数k ，加一个常数c He(u, v) = kH(u, v) + c
Ge(u, v) = kG(u, v) + cF(u, v)
6.2 高通滤波器
2）高频提升滤波器 把原始图乘以一个放大系数A再减去低通图
GHB(u,v) AF(u,v) FL(u,v) (A1)F(u,v) FH(u,v)
当A = 1时，就是普通的高通滤波器。当A > 1，原始图的一部分与高通图相加，恢复了部分高 通滤波时丢失的低频分量，使得最终结果与原图 更接近
第6章 频域图像增强
6.1 低通滤波器 6.2 高通滤波器 6.3 带阻带通滤波器 6.4 同态滤波器 6.5 空域技术与频域技术
6.3 带阻带通滤波器
用合适的滤波器滤波、反变换、取指数。
6.4 同态滤波器
第6章 频域图像增强
6.1 低通滤波器 6.2 高通滤波器 6.3 带阻带通滤波器 6.4 同态滤波器 6.5 空域技术与频域技术
6.5 空域技术与频域技术
1.空域技术的频域分析
借助频域的概念对空域滤波的工作原理进行 分析常比较直观
空域的平滑滤波对应频域的低通滤波 空域的锐化滤波对应频域的高通滤波 频域里低通滤波器的转移函数应该对应空域 里平滑滤波器的模板函数的傅里叶变换 频域里高通滤波器的转移函数应该对应空域 里锐化滤波器的模板函数的傅里叶变换
3、结果进行傅里叶反变换,得到增强的图像。
第6章 频域图像增强
6.1 低通滤波器 6.2 高通滤波器 6.3 带阻带通滤波器 6.4 同态滤波器 6.5 空域技术与频域技术
6.1 低通滤波器
(数字图像处理)第七章图像重建
带通滤波器
允许一定频率范围内的信号通 过，阻止其他频率的信号通过 ，用于提取图像的特定频率成 分。
陷波滤波器
阻止特定频率的信号通过，其 他频率的信号不受影响，用于 消除图像中的周期性噪声。
傅里叶反变换实现图像恢复过程
01
傅里叶反变换定义
将频率域的信号转换回时间域或空间域的过程，是傅里叶变换的逆操作。
80%
模型评估指标
使用峰值信噪比（PSNR）、结构 相似性（SSIM）等指标，客观评 价重建图像的质量。
实例
1 2
超分辨率技术介绍
利用低分辨率图像重建出高分辨率图像的技术， 广泛应用于图像增强和修复领域。
CNN在超分辨率技术中的应用
通过设计多层的卷积神经网络，实现对低分辨率 图像的特征提取和重建，生成高分辨率图像。
频率混叠现象
当采样频率低于信号最高频率的两倍时，会出现频率混叠现象，即高频信号成 分会折叠到低频区域，导致重建出的图像出现失真和伪影。
离散信号与连续信号转换关系
离散信号到连续信号的转换
在图像重建中，需要将离散的采样点转换为连续的图像信号 。这通常通过插值算法实现，如最近邻插值、线性插值、立 方插值等，以在离散采样点之间生成平滑的过渡。
稀疏表示与字典学习的关系
稀疏表示是字典学习的目标，而字典学习是实现稀疏表示的手段。
实例：基于CS-MRI技术医学图像重建
CS-MRI技术
基于压缩感知理论的磁共振成像技术，通过减少采样数据 量和优化重建算法，实现高质量医学图像的快速重建。
实现步骤
首先，利用MRI系统的部分采样数据构建测量矩阵；然后， 通过稀疏表示和字典学习方法得到图像的稀疏系数；最后， 利用重建算法恢复出原始图像。
频率域图像增强处理PPT
∑ ∑ f (m, n)h( x m, y n)
1. 取函数h(m,n)关于原点的镜像，得到h(-m,-n) 2. 对某个(x,y),使h(-m,-n)移动相应的距离，得到h(x-m,y-n) 3. 对积函数f(m,n)h(x-m,y-n)在(m,n)的取值范围内求和 4. 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。 傅立叶变换是空域和频域的桥梁，关于两个域滤波的傅立叶变换对：
冲激（脉冲）函数及筛选属性：
冲激函数的傅立叶变换：
1 F (u , v) = MN
筛选属性：
∑∑ δ ( x, y)e j 2π (ux / M +vy / N ) =
x =0 y =0
M
N
1 MN
∑∑ f ( x, y) Aδ ( x x , y y ) = Af ( x , y )
x=0 y =0 M N 0 0 0 0
信息与物理工程学院 中南大学
2. 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。
变化着的频率是最基本的感觉之一，我们四周无时不被变化着 色彩的光、变化着音调的声音等在周期变化的现象包围着。
f ( x, y ) h( x, y ) F (u , v) H (u , v); f ( x, y )h( x, y ) F (u , v) H (u , v)
变化着的频率是最基本的感觉之一，我们四周无时不被变化着 色彩的光、变化着音调的声音等在周期变化的现象包围着。
信息与物理工程学院 中南大学
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：
7.图像增强—频域滤波 - 数字图像处理实验报告
计算机与信息工程学院验证性实验报告一、实验目的1．掌握怎样利用傅立叶变换进行频域滤波 2．掌握频域滤波的概念及方法 3．熟练掌握频域空间的各类滤波器 4．利用MATLAB 程序进行频域滤波二、实验原理及知识点频域滤波分为低通滤波和高通滤波两类，对应的滤波器分别为低通滤波器和高通滤波器。
频域低通过滤的基本思想：G (u,v )=F (u,v )H (u,v )F (u,v )是需要钝化图像的傅立叶变换形式，H (u,v )是选取的一个低通过滤器变换函数，G (u,v )是通过H (u,v )减少F (u,v )的高频部分来得到的结果，运用傅立叶逆变换得到钝化后的图像。
理想地通滤波器(ILPF)具有传递函数：01(,)(,)0(,)ifD u v D H u v ifD u v D ≤⎧=⎨>⎩其中，0D 为指定的非负数，(,)D u v 为(u,v )到滤波器的中心的距离。
0(,)D u v D =的点的轨迹为一个圆。
n 阶巴特沃兹低通滤波器(BLPF)(在距离原点0D 处出现截至频率)的传递函数为201(,)1[(,)]nH u v D u v D =+与理想地通滤波器不同的是，巴特沃兹率通滤波器的传递函数并不是在0D 处突然不连续。
高斯低通滤波器(GLPF)的传递函数为222),(),(σv u D ev u H =其中，σ为标准差。
相应的高通滤波器也包括：理想高通滤波器、n 阶巴特沃兹高通滤波器、高斯高通滤波器。
给定一个低通滤波器的传递函数(,)lp H u v ，通过使用如下的简单关系，可以获得相应高通滤波器的传递函数：1(,)hp lp H H u v =-利用MATLAB 实现频域滤波的程序f=imread('room.tif');F=fft2(f); %对图像进行傅立叶变换%对变换后图像进行队数变化，并对其坐标平移，使其中心化 S=fftshift(log(1+abs(F)));S=gscale(S); %将频谱图像标度在0-256的范围内 imshow(S) %显示频谱图像h=fspecial('sobel'); %产生空间‘sobel’模版 freqz2(h) %查看相应频域滤波器的图像 PQ=paddedsize(size(f)); %产生滤波时所需大小的矩阵 H=freqz2(h,PQ(1),PQ(2)); %产生频域中的‘sobel’滤波器H1=ifftshift(H); %重排数据序列，使得原点位于频率矩阵的左上角 imshow(abs(H),[]) %以图形形式显示滤波器 figure,imshow(abs(H1),[])gs=imfilter(double(f),h); %用模版h 进行空域滤波gf=dftfilt(f,H1); %用滤波器对图像进行频域滤波 figure,imshow(gs,[]) figure,imshow(gf,[])figure,imshow(abs(gs),[]) figure,imshow(abs(gf),[])f=imread('number.tif'); %读取图片PQ=paddedsize(size(f)); %产生滤波时所需大小的矩阵 D0=0.05*PQ(1); %设定高斯高通滤波器的阈值H=hpfilter('gaussian',PQ(1),PQ(2),D0); %产生高斯高通滤波器 g=dftfilt(f,H); %对图像进行滤波 figure,imshow(f) %显示原图像figure,imshow(g,[]) %显示滤波后图像三、实验步骤：1．调入并显示所需的图片；2．利用MATLAB 提供的低通滤波器实现图像信号的滤波运算，并与空间滤波进行比较。