第四章频率域滤波介绍
频域滤波的基本原理
频域滤波的基本原理频域滤波的基本原理频域滤波是一种信号处理技术，它根据信号的频率特征对信号进行处理，从而达到去噪、滤波等目的。
频域滤波的基本原理就是将时域中的信号转化为频域中的信号，利用频域中的特征进行处理，最后再将处理后的信号转回时域。
一、时域和频域时域和频域是信号处理中常用的两个概念。
时域是指信号随时间变化的情况，它通常用时域波形来表示。
例如，我们平常看到的声音、图像等都是时域信号。
频域是指信号在频率上的特征，与时域不同，它通常用其频谱图表示。
频谱图是一种表示信号频率分布情况的图形，它能够显示信号中存在的各种频率成分。
例如，下图分别是一个声音信号的时域波形和频谱图：![时域波形和频谱图示例]( "时域波形和频谱图示例.png")二、傅里叶变换频域处理的基础是傅里叶变换。
傅里叶变换是一种将时域信号转换为频域信号的方法，它可以将任意周期的连续信号分解成一系列正弦和余弦函数的和。
傅里叶变换的基本形式为：F_freq(x) = ∫_{-∞}^∞f_time(t)e^{-2πif t}dt其中，f_{time}是时域信号，F_{freq}是频域信号，i表示虚数单位。
需要注意的是，傅里叶变换通常是定义在连续信号上的，在实际应用中，离散信号也常常需要进行傅里叶变换，这时候可以使用离散傅里叶变换（DFT）。
三、频域滤波的基本原理频域滤波是指利用傅里叶变换将信号从时域转换到频域，然后在频域中对信号进行滤波，最后再将信号从频域转回时域的一种信号处理方法。
在频域中，我们可以通过观察信号的频谱图来判断信号中是否存在噪声或需要滤除的部分。
例如，下图中的频谱图显示了一个信号中存在高频噪声：![高频噪声示例]( "高频噪声示例.png")为了去除这种噪声，我们可以在频域中将高频的部分过滤掉，实现去噪的效果。
具体而言，频域滤波通常包括以下几个步骤：1. 将时域信号x(t)进行傅里叶变换，得到频域信号X(f)；2. 在频域中对X(f)进行滤波处理，得到滤波后的频域信号Y(f)，过滤方式包括低通、高通、带通滤波等；3. 将Y(f)进行傅里叶反变换，得到处理后的时域信号。
第四章频率域图像增强
图像傅立叶变换的物理意义
傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空 间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示 空间上各点，则图像可由z=f(x,y)来表示。由于空间是三维的，图 像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表 示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。 为什么要提梯度？因为实际上对图像进行二维傅立叶变换得到频谱 图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并 不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶 频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域 点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么 理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来 讲，梯度大则该点的亮度强，否则该点亮度弱。这样通过观察傅立 叶变换后的频谱图，也叫功率图
域表述困难的增强任务，在频率域中变得非常普通
✓ 滤波在频率域更为直观，它可以解释空间域滤波的某些性质 ✓ 给出一个问题，寻找某个滤波器解决该问题，频率域处理对 于试验、迅速而全面地控制滤波器参数是一个理想工具
✓ 一旦找到一个特殊应用的滤波器，通常在空间域用硬件实现
➢图像的频率指什么？
✓ 图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面
Mx0
u=0,1,2,…,M-1
✓ 给定F(u),通过傅里叶反变换可以得到f(x)
f(x)
1
M1
j2ux
F(u)e M
Mu0
x=0,1,2,…,M-1
傅里叶变换
一维离散傅里叶变换及反变换
✓ 从欧拉公式 e j cos j sin
F (u)
1
M 1
图像滤波
–相隔两行或两列的差分，故边缘两侧的象元得到 了增强，边缘显得粗而亮。
2019/11/18
19
Sobel Edge Detector
2019/11/18
20
拉普拉斯算子(零交叉算子)
拉普拉斯算子进一步表示为：
2 f
2 f x2
2 f y2
• 实际最常用且效果较好的是用3×3模板。
2019/11/18
28
• 在计算梯度时只涉及到中心像元 的水平和垂直方向的邻域像素，
则称为水平垂直梯度法。即：
z1 z2 z3 z4 z5 z6 z7 z8 z9
1 f (i, j) f (i 1, j),2 f (i, j) f (i, j 1)
1
1 0
01, 2
按一定算法在整幅图像中漫游来变换图像的灰 度。
2019/11/18
17
Sobel operator
• 模板表示：检测垂直和检测水平
z1 z2 z3 z4 z5 z6 z7 z8 z9
2019/11/18
18
Sobel operator
不像普通梯度算子那样用两个像素之差值， 而用两列或两行加权和之差值，其优点为：
The gradient is estimated in eight (for a convolution mask) possible directions.3/8
f |(z7 +z8 + z9) - (z1 + z2 + z3) | +
|(z3 +z6 + z9) - (z1 + z4 + z7) |
频率域滤波
频率域滤波频率域滤波是经典的信号处理技术之一，它是将信号在时域和频域进行分析以达到信号处理中的一定目的的技术。
它在诸多技术方面有着广泛的应用，比如音频信号处理、通信信号处理、部分图像处理和生物信号处理等。
本文将从以下几个方面来介绍频率域滤波的基本原理：概念的介绍、频谱的概念、傅里叶变换的原理、频率域滤波的基本原理、应用场景。
一、概念介绍频率域滤波是一种信号处理技术，它可以将时域信号转换成频域信号，并根据信号特征在频率域中对信号进行处理以达到特定的目的，如去除噪声和滤波等。
一般来说，信号处理包括两个阶段：时域处理和频域处理。
时域处理会涉及到信号的时间特性，而频率域处理则涉及到信号的频率特性。
二、频谱概念频谱是指信号分析中信号频率分布的函数，它是信号的频率特性的反映。
一个信号的频谱是一个衡量信号的能量随频率变化的曲线。
通过对信号的频谱进行分析，可以提取出信号中不同频率成分的信息，从而对信号进行更深入的分析。
三、傅里叶变换傅里叶变换是将时域信号转换成频域信号的基本手段。
傅里叶变换是指利用线性无穷积分把一个函数从时域转换到频域，即将一个函数的时间属性转换为频率属性的过程。
傅里叶变换会将时域信号映射到频域，从而可以分析信号的频率分布情况。
四、频率域滤波的基本原理频率域滤波的基本原理是先将信号进行傅里叶变换，然后将信号在频域进行处理。
根据不同的应用需求，可以采用低通滤波、高通滤波或带通滤波等滤波器对信号进行处理，从而获得滤波后的信号。
最后，再将滤波后的信号进行反变换即可。
五、应用场景由于具有时域和频域双重处理功能，频率域滤波技术在诸多技术领域都有广泛应用。
例如，在音频信号处理方面，频率域滤波可以去除音频信号中的噪声，使得信号变得更加清晰。
此外，在以图像处理方面，频率域滤波技术可以有效去除图像中的多余信息，从而提高图像的质量。
在通信领域，频率域滤波技术可以应用于对通信信号的滤波和信号分离，从而有效提升信号的传输效率。
地震拓频处理
地震拓频处理下载温馨提示：该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by the editor. I hope that after you download them, they can help yousolve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!In addition, our shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts,other materials and so on, want to know different data formats and writing methods, please pay attention!地震拓频处理作为地震勘探领域中的重要技术手段，被广泛应用于地质勘探、油气勘探以及地震地质研究领域。
时域滤波器和频域滤波器的变换
时域滤波器和频域滤波器的变换卷积定理函数空间域的卷积的傅⾥叶变换是函数傅⾥叶变换的乘积。
对应地，频率域的卷积与空间域的乘积存在对应关系。
由卷积定理可知所有频域的滤波理论上都可以转化为空域的卷积操作。
给定频率域滤波器，可对其进⾏傅⾥叶逆变换得到对应的空域滤波器；滤波在频域更为直观，但空域适合使⽤更⼩的滤波模板以提⾼滤波速度。
因为相同尺⼨下，频域滤波器效率⾼于空域滤波器，故空域滤波需要⼀个更⼩尺⼨的模板近似得到需要的滤波结果。
空域卷积将模板在图像中逐像素移动，将卷积核的每个元素分别和图像矩阵对应位置元素相乘并将结果累加，累加和作为模板中⼼对应像素点的卷积结果。
通俗的讲，卷积就是对整幅图像进⾏加权平均的过程，每⼀个像素点的值，都由其本⾝和邻域内的其他像素值经过加权平均后得到。
在像素的处理上，是先将结果暂存在于⼀个副本，最后统⼀拷贝，故不会出现处理顺序不同⽽结果不同的情况。
⼆维连续卷积的数学定义：离散形式：频域滤波频率域是由傅⾥叶变换和频率变量 (u,v)定义的空间，频域滤波处理过程：先对图像进⾏傅⾥叶变换，转换⾄频率域，在频域使⽤滤波函数进⾏滤波，最后将结果反变换⾄空间域。
即：⾼斯函数公式：形状：空域⾼斯平滑滤波⾼斯模板的⽣成因为图像是离散存储的，故我们需要⼀个⾼斯函数的离散近似。
具体地，对⾼斯函数进⾏离散化，以离散点上的⾼斯函数值作为权值，组成⼀定尺⼨的模板，⽤此模板对图像进⾏卷积。
由于⾼斯分布在任意点处都⾮零，故理论上需要⼀个⽆穷⼤的模板，但根据" 准则"，即数据分布在的概率是0.9974，距离函数中⼼超过数据所占权重可以忽略,因此只需要计算的矩阵就可以保证对⾼斯函数的近似了。
假设⼆维模板⼤⼩,则模板上元素处的值为：前⾯的系数在实际应⽤中常被忽略，因为是离散取样，不能使取样和为1，最后还要做归⼀化操作。
程序：function filt=mygaussian(varargin)%参数初始化，使⽤varargin处理可变参数情况siz=varargin{1};%模板尺⼨if(numel(siz)==1)siz=[siz,siz];endstd=varargin{2};%⽅差centa = (siz(1)+1)/2;%此处不要取整centb = (siz(1)+1)/2;filt = zeros(siz(1),siz(2));summ=0;for i=1:siz(1)for j=1:siz(2)radius = ((i-centa)^2+(j-centb)^2);filt(i,j) = exp(-(radius/(2*std^2)));summ=summ+filt(i,j);endendfilt=filt/summ;%归⼀化测试：执⾏mygaussian(4,1)得：0.0181 0.0492 0.0492 0.01810.0492 0.1336 0.1336 0.04920.0492 0.1336 0.1336 0.04920.0181 0.0492 0.0492 0.0181执⾏fspecial('gaussian',4,1)得：0.0181 0.0492 0.0492 0.01810.0492 0.1336 0.1336 0.04920.0492 0.1336 0.1336 0.04920.0181 0.0492 0.0492 0.0181可以看出与Matlab结果相同。
数字图像处理(冈萨雷斯)-4_fourier变换和频域介绍(dip3e)经典案例幻灯片PPT
F (u,v)
F *(u, v)
f ( x ,y ) ☆ h ( x ,y ) i f f t c o n j F ( u , v ) H ( u , v )
h(x,y):CD 周期延拓
PAC1
h:
PQ
QBD1
DFT
H (u,v)
F*(u,v)H(u,v)
IDFT
R(x,y):PQ
✓ 使用这组基函数的线性组合得到任意函数f，每个基函数的系 数就是f与该基函数的内积
图像变换的目的
✓ 使图像处理问题简化； ✓ 有利于图像特征提取； ✓ 有助于从概念上增强对图像信息的理解；
图像变换通常是一种二维正交变换。
一般要求： 1. 正交变换必须是可逆的； 2. 正变换和反变换的算法不能太复杂； 3. 正交变换的特点是在变换域中图像能量将集中分布在低频率 成分上，边缘、线状信息反映在高频率成分上，有利于图像处理
4.11 二维DFT的实现
沿着f(x,y)的一行所进 行的傅里叶变换。
F (u ,v ) F ( u , v ) (4 .6 1 9 )
复习：当两个复数实部相等,虚部互为相 反数时,这两个复数叫做互为共轭复数.
4.6
二维离散傅里叶变换的性质
其他性质：
✓尺度变换〔缩放〕及线性性
a f( x ,y ) a F ( u ,v ) f( a x ,b y ) 1 F ( u a ,v b ) |a b |
域表述困难的增强任务，在频率域中变得非常普通
✓ 滤波在频率域更为直观，它可以解释空间域滤波的某些性质
✓ 给出一个问题，寻找某个滤波器解决该问题，频率域处理对 于试验、迅速而全面地控制滤波器参数是一个理想工具
✓ 一旦找到一个特殊应用的滤波器，通常在空间域用硬件实现
遥感数字图像处理：遥感图像处理-图像滤波
Mean 11x11
1.2 中值滤波器
在邻域平均法中，是将n×n局部区域中的灰度的平
均值作为区域中央象元的灰度值。而在中值滤波中，是 把局部区域中灰度的中央值作为区域中央象元的值。
g(x, y) median(of (x, y))
如，在3×3区域内进行中值滤波，是将区域内9个 灰度值按由小到大排列，从小的一方开始的第5个值即 为中央象元的值。
矢量微分----梯度
二元函数f(x,y)在坐标点(x,y)处的梯度向量的定义：
f
G[
f
( x,
y)]
x f
y
梯度的幅度：
G[ f (x, y)] ( f )2 ( f ) 2
x
y
梯度的幅角：
M
tg 1[ f / f ] y x
连续域的微分----离散域的差分
x f (i, j) f (i 1, j) f (i, j) y f (i, j) f (i, j 1) f (i, j)
MN
r(i, j) (m, n)t(m, n) m1 n1
将计算结果r（i，j） 放在窗口中心的像 元位置，成为新像 元的灰度值。然后 活动窗口向右移动 一个像元，再按公 式做同样的运算， 仍旧把计算结果放 在移动后的窗口中 心位置上，依次进 行，逐行扫描，直 到全幅图像扫描一 遍结束，则新图像 生成。
滤波知识点
图像滤波也是一种图像增强的方法，主要有空间域滤波和频率域滤波，空间域滤波又包括图像平滑和图像锐化。
空间域滤波常用方法是：卷积运算。
缺点是：随着采用的模板窗口的扩大，运算量越来越大。
解决方法是：可在频率域中通过简单的乘法计算来实现。
受传感器和大气影响，图像上会存在噪声。
表现为：亮点或者亮度过大的区域。
图像平滑的目的是抑制噪声改善图像质量。
噪声：按产生原因分为外部噪声和内部噪声；从噪声幅度分布形态可以分为高斯型和瑞利型；从统计理论观点来看分为平稳噪声和非平稳噪声；按产生过程分为量化噪声和椒盐噪声。
噪声可以看作是对亮度的干扰，具有随机性，用随机过程来描述，由于分布函数或者密度函数很难测出或者描述，常用统计特征（均值、方差、总功率）来描述噪声。
加性噪声模型和乘性噪声模型。
遥感图像中常见噪声有高斯噪声、脉冲噪声（椒盐噪声）和周期噪声。
均值滤波（典型的线性滤波）：4邻域、8邻域。
优点：算法简单，计算速度快缺点：噪声图像模糊，削弱了边缘和细节信息。
算法改进：引进阈值T，滤波后的图像每个像素点的值与原来图像对应像素点的值得差，若大于阈值，就设为g，若小于等于阈值，则设为f。
中值滤波：将窗口内的所有像素值按大小排序后，取中值作为中心像素的新值。
原理是取合理的邻近像素值来代替噪声点，所以只适合于椒盐噪声的去除，不适合高斯噪声的去除。
两者比较：（1）对于脉冲噪声干扰的椒盐噪声，中值滤波是非常有效的。
原因是椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。
中值滤波是选择适当的点来代替污染点的值，所以处理效果好。
因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。
（2）对于高斯噪声的抑制比均值滤波差一些。
因为高斯噪声是幅值近似正太分布，但分布在每点像素上，这样图像的每点都是污染点，所以中值滤波选不到合适的干净点。
又因为正太分布的均值为0，所以根据统计数学，均值可以消除噪声。
（实际上只能削弱，不能消除。
地震资料处理复习总结(第1-6章)
《地震勘探资料处理》第一章～第六章复习要点总结第一章 地震数据处理基础一维谱分析数字地震记录中，每个地震道是一个按一定时间采样间隔排列的时间序列，每一个地震道都可以用一系列具有不同频率、不同振幅、相位的简谐曲线叠加而成。
应用一维傅里叶变换可以得到地震道的各个简谐成分；应用一维傅里叶反变换可以将各个简谐成分合并为原来的地震道序列。
连续函数正反变换公式：dt et x X t i ωω-∞∞-⎰=)()(~ 正变换 ωωπωd e X t x t i ⎰∞∞-=)(~21)( 反变换 通常由傅里叶变换得到的频谱为一个复函数，称为复数谱。
它可以写成指数形式 )()()(|)(~|)(~ωφωφωωωi i e A e X X ==式中)(ωA 为复数的模，称为振幅谱；)(ωϕ为复数的幅角，称为相位谱。
)()()(22ωωωi r X X A +=，)()(tan )(1ωωωφr i X X -=（弧度也可换算为角度）离散情况下和这个差不多（看PPT 和书P2-3）一维傅里叶变换频谱特征：1、一维傅里叶变换的几个基本性质（推导）线性 翻转 共轭 时移 褶积 相关（功率谱），P3-72、Z 变换（推导）3、采样定理 假频 尼奎斯特频率，tf N ∆=21二维谱分析二维傅里叶变换),(k X ω称为二维函数),(t x X 的频——波谱。
其模量|),(|k X ω称为函数),(t x X 的振幅谱。
由),(k X ω这些频率f 与波数k 的简谐成分叠加即可恢复原来的波场函数),(t x X （二维傅里叶反变换）。
如果有效波和干扰波的在f-k 平面上有差异，就可以利用二维频率一波数域滤波将它们分开，达到压制干扰波，提高性噪比的目的。
二维频谱产生空间假频的原因数字滤波在地震勘探中，用数字仪器记录地震波时，为了保持更多的波的特征，通常利用宽频带进行记录，因此在宽频带范围内记录了各种反射波的同时，也记录了各种干扰波。
频域滤波
频域滤波概述假定原图像f(x,y)，经傅立叶变换为F(u,v)，频域增强就是选择合适的滤波器函数H(u,v)对F(u,v)的频谱成分进行调整，然后经逆傅立叶变换得到增强的图像g(x,y)。
该过程可以通过下面流程描述：频域滤波原理：可以通过选择合适的频率传递函数H(u,v)来突出f(x,y)的某一方面的特征，从而得到需要的图像g(x,y)。
频域滤波技术中的关键时要设计一个适当的滤波系统传递函数H(u,v)。
凡要保留的频率分量对应的H(u,v)=1或K，凡要抑制或衰减的频率分量对应的H(u,v)=0.频域增强的处理方法：（1）用（-1）x+y ×f(x,y)进行中心变换（2）计算出它的傅立叶变换F(u,v)（3）选择一个变换函数H(u,v)，大小通常和F(u,v)一样都是M*N 的，计算H(u,v) F(u,v)计算过程为H 的第一个元素乘以F 的第一个元素，H 的第二个元素乘以F 的第二个元素。
F 通常为复数，H 的每个分量乘以F 中的实部和虚部。
（4）计算出它的反傅立叶变换（5）用（-1）x+y 乘以上面结果的实部，得目标图像H(u,v)被称为滤波器，也叫做传递函数空间滤波与频域滤波关系： 空间滤波器与频域滤波器的尺寸问题前述的所有函数均具有相同的尺寸M ×N 。
在实际中，指定一个频域滤波器，进行反变换会得到一个相同尺寸的空域滤波器。
如果两个域中滤波器尺寸相同，那么通常频域中进行滤波计算更为有效，更为直观，但空域中更适用更小尺寸的滤波器，更为高效。
几种常见的频域滤波器：1 理想的低通滤波器：定义：以D0为半径的圆内所有频率分量无损的通过，圆外的所有频率分量完全衰减。
D0又称为截止频率。
),(),(),(*),(v u H v u F y x h y x f由于中心化了,频率矩形的中心在(M/2, N/2)处，此时距离为D(u,v)=[(u-M/2)2+(v-N/2)2]1/2理想低通滤波器存在模糊和振铃现象。
第4章 短时频域分析
X n (e j )
m
[ x(m)w(n m)]e jm
当n取不同值时窗w(n-m)沿着x(m)序列滑动，所 以w(n-m)是一个“滑动的”窗口。
由于窗口是有限长度的，满足绝对可和条件，所 以这个变换是存在的。与序列的傅里叶变换相同， 短时傅里叶变换随着ω作周期变化，周期为2π。
经典方法滤波器组求和法叠接相加法对于某个频率其傅里叶变换可表示为若定义451短时综合的滤波器组相加法图46滤波器组求和法的单通道表示451短时综合的滤波器组相加法图47451短时综合的滤波器组相加法复数带通滤波器的频率响应为451短时综合的滤波器组相加法假定所有l个带通滤波器都使用了相同的窗函数即考虑整个带通滤波器组时其中每个带通滤波器具有相同的输入其输出相加在一起
N＝500时(取样率10 kHz，窗持续时间50 ms)时直角窗及海明窗下浊音语音的频谱。
窗函数及窗口长度对短时傅里叶变换的影响
N＝50的比较结果(取样 率为10KHz，因而窗口 持续时间为5ms)。 由于窗口很短，因而时 间序列(图(a)和(c))及信 号频谱(图(b)和(d))均不 能反映信号的周期性。 图中大约在400、1 400 及2 200Hz频率上有少量 较宽的峰值。比较(b)及 (d)的频谱后，再次表明 矩形窗可以得到较高的 频率分辨率。
W ( e j )
为窄带低 通滤波器。第 一种形式为低 通滤波器； 由于第二种形 式中的滤波器 单位函数响应 为 w(n)(e ) ，所以 它为带通滤波 器。
jn
4. 3 滤波器的解释
如果将w(n)的滤波运算除外，短时傅里叶变换实
际上是对信号的幅度调制。
第4章 频域特性分析
二、 频率特性及其求法
1.定义： 频率特性就是指线性系统或环节在正弦函数作用 下，稳态输出与输入之比对频率的关系特性。又 称正弦传递函数。频率特性是个复数，可分别用 幅值和相角来表示。 频率特性一般可通过以下三种方法得到: (1) 根据已知系统的微分方程或传递函数，把 输入以正弦函数代入，求其稳态解，取输出稳态 分量和输入正弦函数的复数之比即得。 (2) 根据传递函数来求取。 (3) 通过实验测得。
右边第一项为稳态分量，第二项为瞬态分量。 例系数A(ω)以及输入输出间的相位角φ(ω)， 两个 量都是频率 ω的函数，并与系统参数 k、c有关。 随时间 t ∞ ， 瞬态分量衰减为零，所以稳态位移 输出为 1k
x t 1 T
2 2
F sin t arctgT
AF sin T X sin T
XiK T K X i w t 有 x o (t ) sin( wt arctgTw) e T 2 2 T w 1 1 T 2 w2
稳态响应 瞬态响应
K X o ( w) A ( w ) Xi 频率特性： 1 T 2 w2 w arctgTw
幅频特性 相频特性
(2). 根据传递函数来求取。 G ( s )
s jw
G ( jw)
以jw代替s由传递函数得到的频率特性，对 线性定常系统普遍适用。
K 例：已知系统传函 G( s) 。求其频率特性。 Ts 1
K K (1 jTw) 解：由 G ( jw) G ( s ) s jw 1 jTw 1 T 2 w 2 K 虚部 G ( jw) , G jw arctg arctgTw 实部 1 T 2 w2
数字图像处理冈萨雷斯第三版第四章讲解学习
1 其它
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
由于图像平均值为0而产生整体平均灰度级的降低， 因此几乎没有平滑的灰度级细节
低通滤波器：
使低频通过，高频衰减的滤波器
被低通滤波的图像比原始图像少了尖锐的细节部分 而突出了平滑过渡部分
高通滤波器：
使高频通过，低频衰减的滤波器
x0 y0
②当从变换的原点移开时，对低频对应着图像的慢变化分量， 如图像的平滑部分
③进一步离开原点时，较高的频率对应图像中变化越来越 快的灰度级，如边缘或噪声等尖锐部分
F(u, v) F(u, v) ei(u,v)
从幅度谱中我们可以看出明亮线和原始图像中对应的轮廓 线是垂直的。如果原始图像中有圆形区域那么幅度谱中也 呈圆形分布。
性滤波 g(x, y) w(s,t) f (x s, y t) (3.4 1)
sa tb
(4.6-23)和(3.4-1)本质上是相似的；相差之处只在于：常数、 负号及求和的上、下限； 在实践中，我们宁愿使用(3.4-1)和较小的滤波器模板来实现滤波 处理； 滤波在频率域中更为直观，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；
傅里叶频谱显示了±450的强边缘，在垂直轴偏左的部分有垂 直成分（对应两个氧化物突起）。
频率域滤波的基本步骤
DFT
滤波器 H (u , v)
IDFT
F (u , v)
H (u , v) F (u , v)
前处理
后处理
f (x , y)
g (x , y)
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
冈萨雷斯-数字图像处理第3版第4章习题-4.16-4.43
4.16 证明连续和离散二维傅里叶变换都是平移和旋转不变的。
首先列出平移和旋转性质：002(//)00(,)(,)j u x M v y N f x y e F u u v v π+⇔-- (4.6-3) 002(//)00(,)(,)j x r M y v N f x x y y F u v e π-+--⇔ (4.6-4)旋转性质：cos ,sin ,cos ,sin x r y r u v θθωϕωϕ====00(,)(,)f r F θθωϕϕ+⇔+ (4.6-5) 证明：由式(4.5-15)得：由式(4.5-16)得：依次类推证明其它项。
4.17 由习题4.3可以推出1(,)u v δ⇔和(,)1t z δ⇔。
使用前一个性质和表4.3中的平移性质证明连续函数00(,)cos(22)f t z A u t v z ππ=+的傅里叶变换是0000(,)[(,)(,)]2AF u v u u v v u u v v δδ=+++-- 证明：000000002()2()002()2()2()2()2()2()2((,)(,)cos(22)[]222j ut vz j ut vz j u t v z j u t v z j ut vz j u t v z j u t v z j ut vz j u F u v f t z e dtdzA u t v z e dtdzA e e e dtdzA A e e dtdz e e πππππππππππ∞∞-+-∞-∞∞∞-+-∞-∞∞∞+-+-+-∞-∞∞∞+-+-+--∞-∞==+=+=+⎰⎰⎰⎰⎰⎰⎰⎰)00000000(,)(,)22[(,)(,)]2t vz dtdz A Au u v v u u v v Au u v v u u v v δδδδ∞∞+-∞-∞=--+++=--+++⎰⎰ 4.18 证明离散函数(,)1f x y =的DFT 是1,0{1}(,)0,u v u v δ==⎧ℑ==⎨⎩其它证明：离散傅里叶变换112(//)00(,)(,)M N j ux M vy N x y F u v f x y e π---+===∑∑112(//)00112(//)00{1}M N j ux M vy N x y M N j ux M vy N x y e e ππ---+==---+==ℑ==∑∑∑∑如果0u v ==，{1}1ℑ=，否则：1100{1}{cos[2(//)]sin[2(//)]}M N x y ux M vy N j ux M vy N ππ--==ℑ=+-+∑∑考虑实部，1100{1}cos[2(//)]M N x y ux M vy N π--==ℑ=+∑∑，cos[2(//)]ux M vy N π+的值介于[-1, 1]，可以想象，1100{1}cos[2(//)]0M N x y ux M vy N π--==ℑ=+=∑∑，虚部相同，所以1,0{1}(,)0,u v u v δ==⎧ℑ==⎨⎩其它4.19 证明离散函数00cos(22)u x v y ππ+的DFT 是00001(,)[(,)(,)]2F u v u Mu v Nv u Mu v Nv δδ=+++--证明：000000112(//)00112(//)0000112()2()2(//)00112()2(//)00(,)(,)cos(22)1[]21{2M N j ux M vy N x y M N j ux M vy N x y M N j u x v y j u x v y j ux M vy N x y M N j u x v y j ux M vy N x y F u v f x y e u x v y e e e e e e πππππππππ---+==---+==--+-+-+==--+-+====+=+=∑∑∑∑∑∑∑∑000000112()2(//)0011112(//)2(//)2(//)2(//)00000000}1{}21[(,)(,)]2M N j u x v y j ux M vy N x y M N M N j Mu x M Nv y N j Mu x M Nv y N j ux M vy N j ux M vy N x y x y e e e e e e u Mu v Nv u Mu v Nv ππππππδδ---+-+==----+-+-+-+====+=+=+++--∑∑∑∑∑∑4.20 下列问题与表4.1中的性质有关。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
电子科技大学 光电信息学院 二○一三年3月11日
何谓图像增强？
图像对比度增强
何谓图像增强？
微光图像的去噪图像增强？
红外图像的锐化处理
何谓图像增强？
红外图像的边缘检测（便于机器识别）
何谓图像增强？
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 诸多因素的影响，往往造成对比度偏低、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。 图像增强并不以图像保真为准则，而是有选 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。
f ( x, y ) b d d c g x, y [ f ( x, y ) a ] c a f ( x , y ) b b a f ( x, y ) a c
1.1 直接灰度变换法
(一) 线性灰度变换
g(x,y) d
c 0 a b f(x,y)
主要内容
空间域灰度变换 空间域滤波 频率域滤波 伪彩色与假彩色处理
主要内容
空间域灰度变换 空间域滤波 频率域滤波 伪彩色与假彩色处理
一、空间域灰度变换
空间域灰度变换，又称为对比度变换或对比 度增强。可分为以下两大类： 直接灰度变换法
1、线性变换；2、对数变换；3、指数变换。
直方图调整法
原始图象
亮度倒置 底片效果
红色分量 置零
红色、绿色 分量均置零
原始图象
非线性亮度变换 对数效应
非线性亮度变换 指数效应
原始图象
分段线性化 出现假轮廓
1.2 直方图调整法
1000 p(rk) 750
500 像素出 250 现次数
50 100 150 200
Nk
像素灰度级别
1.2 直方图调整法
1.1 直接灰度变换法
(二) 分段线性灰度变换
g(x,y) Mg d
c 0 a b Mf f(x,y)
1.1 直接灰度变换法
(三) 非线性灰度变换 (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。
1.1 直接灰度变换法
(三) 非线性灰度变换——对数变换
1.1 直接灰度变换法
(二) 分段线性灰度变换
将感兴趣的灰度范围线性扩展，相对 抑制不感兴趣的灰度区域。 设f(x,y)灰度范围为[0,Mf]，g(x,y)灰度 范围为[0,Mg],
1.1 直接灰度变换法
(二) 分段线性灰度变换
M g d [ f ( x, y ) b ] d M f b d c g ( x, y ) [ f ( x, y ) a ] c b a c a f ( x, y ) b f ( x, y ) M f a f ( x, y ) b 0 f ( x, y ) a
(一) 直方图均衡化
首先，假定连续灰度级的情况，推导直方图均衡化变 换公式，令r代表灰度级，P ( r ) 为概率密度函数。 r 值已归一化，最大灰度值为1。
(一)直方图均衡化
要找到一种变换 S=T ( r ) 使直方图变平直， 为使变换后的灰度仍保持从黑到白的单一变化 顺序，且变换范围与原先一致，以避免整体变 亮或变暗。必须规定： (1) 在0≤r≤1中，T(r)是单调递增函数，且 0≤T(r)≤1； (2) 反变换r=T-1(s),T-1(s)也为单调递增函数， 0≤s≤1。
a,b,c是按需要可以调整的参数。
1.1 直接灰度变换法
(三) 非线性灰度变换——指数变换
灰度变换实例
原始图象
灰度倒置 底片效果
原始图象
非线性灰度变换 对数效应
原始图象
非线性灰度变换 指数效应
原始图象
分段线性化 出现假轮廓
招贴画化 4级灰度
招贴画化 3级灰度
招贴画化 2级灰度 即二值化
应用到离散灰度级，设一幅图像的像素 总数为n，分L个灰度级。 nk: 第k个灰度级出现的频数。 第k个灰度级出现的概率 P(rk)=nk/n 其中，0≤rk≤1，k=0,1,2,...,L-1 形式为：
sk T (rk ) p(rj )
1、直方图均衡化；2、直方图匹配。
1.1 直接灰度变换法
(一) 线性灰度变换 当图像成像时曝光不足或过度, 或由于成像 设备的非线性和图像记录设备动态范围太窄 等因素。都会产生对比度不足的弊病，使图 像中的细节分辨不清。这时可将灰度范围线 性扩展。
1.1 直接灰度变换法
(一) 线性灰度变换 设f(x,y)灰度范围为[a,b]，g(x,y)灰度范围为 [c,d]，则有
直方图均衡化-变换公式推导图示
sj+s sj
rj rj+r
(一)直方图均衡化
考虑到灰度变换不影响像素的位置分布， 也不会增减像素数目。所以有：
r
0
p(r )dr p(s)ds 1 ds s T (r )
0 0
s
s
T (r ) p(r )dr
0
r
(1)
(一)直方图均衡化
ln[ f ( x, y ) 1] g ( x, y ) a b ln c
a,b,c是按需要可以调整的参数。
1.1 直接灰度变换法
(三) 非线性灰度变换——对数变换
1.1 直接灰度变换法
(三) 非线性灰度变换——对数变换
g ( x, y) b
c[ f ( x, y )a ]
1
0.4 0.3 p(rk)
0.2 像素出 0.1 现概率
50 100 150 200
Nk
像素灰度级别
直方图举例
直方图描述了一幅图像的灰度(颜色)分布
1.2 直方图调整法
(一) 直方图均衡化 直方图均衡化是将原图像的直方图通 过变换函数修正为均匀的直方图，然后 按均衡直方图修正原图像。 图像均衡化处理后，图像的直方图是 平直的，即各灰度级具有近似相同的出 现频数，那么由于灰度级具有均匀的概 率分布，图像看起来就更清晰了。