频域滤波(1)--基础与低通滤波器

                          

               

       之前的博文主要介绍了空间域内的滤波器，本文主要从频域的角度进行分析。主要使用傅里叶变换，将空间域的图像转换到频域内，在频域内进行数字图像处理。这部分的内容及其重要，频域内的处理可以解决空间域内无法完成的图像增强。本文首先从数学角度，对图像的频域内的性质进行分析，然后在着重介绍滤波器在频域内的性质。

        1.傅里叶变换与频域

        在之前的文中，我们已经进行过一些基本的图像处理。比如，使用低通滤波可以将图像模糊，也有些许降噪的作用。这些都是在空间域内进行的滤波处理，这个处理主要是依靠卷积来进行计算的。首先，从连续的一维卷积入手，如下所示。

       将上式进行傅里叶变换，可以得到如下结果。

        从这个式子，我们可以得到一个重要的结论。也就是，函数与卷积的傅里叶变换所得到的结果，是函数与的傅里叶变换与的乘积。再将其总结得简单易懂一些，有如下结论。

        在将其扩展到二维的形况下，假设尺寸为MxN的图像，如下关系是成立的。

       其实到这，基本的原理就明了的。我们所看到的图像，均为空间域内的表现形式，我们无法辨识出频域内的图像。要进行频域内的滤波器处理，首先就需要进行傅里叶变换，然后直接进行滤波处理，最后再用反傅里叶变换倒回到空间域内。

       到此，已经可以开始空间域内的滤波处理了。但是，还有一点需要注意的地方。使用某个一维信号来举例子，一维信号的傅里叶变换是以2π为周期的函数。所以，我们常常使用的范围[-π,π]来表示这个信号的傅里叶变换，如下所示。

        这样做的好处是，靠近0的成分就是低频，靠近-π与π的成分就表示高频。而对于图像而言，在Matlab中，我们使用fft2()这个函数来求取图像的傅里叶变换。

g = fft2(f);   

        上面这个代码求取的，其实是范围[0,π]内的傅里叶变换。为了方便理解，下图画出了本行代码所求取的图像的傅里叶变换的范围（右）和与其等效的一维傅里叶变换的范围（左）。

       很显然，这并不是希望的范围，下面这个代码可以求取[0,2π]内的傅里叶变换。

P = 2*M;
Q = 2*N;
F = fft2(f,P,Q);

       下图画出了本行代码所求取的图像的傅里叶变换的范围（右）和与其等效的一维傅里叶变换的范围（左）。所得到的图像F(u,v)的尺寸为PxQ。

         我们需要对其移动一下，如下图所示，我们需要的是粉色范围的区域。

下面，从数学上分析一下，如何获得这个部分的频谱。对于傅里叶变换，有如下性质。

这个特性称为平移特性，粉色部分的频谱，将带入上式，我们可以得到如下式子。

为次，我们已经得到了粉色范围的频谱。越靠近傅里叶频谱图像中间的成分，代表了低频成分。其Matlab代码如下所示。

[M,N] = size(f);



P = 2*M;



Q = 2*N;



fc = zeros(M,N);



 




for x = 1:1:M




    for y = 1:1:N




        fc(x,y) = f(x,y) * (-1)^(x+y);



    end




end



 



F = fft2(fc,P,Q);

        代码所得到的结果，如下图所示。

        接下来，我们总结一下频域滤波的步骤：

        ①：先将图像做频域内的水平移动，然后求原图像f(x,y)的DFT，得到其图像的傅里叶谱F(u,v)。

        ②：与频域滤波器做乘积，

        ③：求取G(u,v)的IDFT，然后再将图像做频域内的水平移动（移动回去），其结果可能存在寄生的虚数，此时忽略即可。

        ④：这里使用ifft2函数进行IDFT变换，得到的图像的尺寸为PxQ。切取左上角的MxN的图像，就能得到结果了。

        2.低通滤波器

        2.1理想的低通滤波器

       其中，D0表示通带的半径。D(u,v)的计算方式也就是两点间的距离，很简单就能得到。

       使用低通滤波器所得到的结果如下所示。低通滤波器滤除了高频成分，所以使得图像模糊。由于理想低通滤波器的过度特性过于急峻，所以会产生了振铃现象。

         

        2.2巴特沃斯低通滤波器

       同样的，D0表示通带的半径，n表示的是巴特沃斯滤波器的次数。随着次数的增加，振铃现象会越来越明显。

   

       2.3高斯低通滤波器

       D0表示通带的半径。高斯滤波器的过度特性非常平坦，因此是不会产生振铃现象的。

       3.实现代码

close all;



clear all;



 



%% ---------Ideal Lowpass Filters (Fre. Domain)------------



f = imread('characters_test_pattern.tif');



f = mat2gray(f,[0 255]);



 



[M,N] = size(f);



P = 2*M;



Q = 2*N;



fc = zeros(M,N);



 




for x = 1:1:M



    for y = 1:1:N



        fc(x,y) = f(x,y) * (-1)^(x+y);



    end




end



 



F = fft2(fc,P,Q);



 



H_1 = zeros(P,Q);



H_2 = zeros(P,Q);



 




for x = (-P/2):1:(P/2)-1




     for y = (-Q/2):1:(Q/2)-1




        D = (x^2 + y^2)^(0.5);



        if(D <= 60)  H_1(x+(P/2)+1,y+(Q/2)+1) = 1; end    



        if(D <= 160)  H_2(x+(P/2)+1,y+(Q/2)+1) = 1; end




     end




end



 



G_1 = H_1 .* F;



G_2 = H_2 .* F;



 



g_1 = real(ifft2(G_1));



g_1 = g_1(1:1:M,1:1:N);



 



g_2 = real(ifft2(G_2));



g_2 = g_2(1:1:M,1:1:N);         



 




for x = 1:1:M



    for y = 1:1:N



        g_1(x,y) = g_1(x,y) * (-1)^(x+y);



        g_2(x,y) = g_2(x,y) * (-1)^(x+y);



    end




end



 



%% -----show-------



figure();



subplot(1,2,1);



imshow(f,[0 1]);



xlabel('a).Original Image');



 



subplot(1,2,2);



imshow(log(1 + abs(F)),[ ]);



xlabel('b).Fourier spectrum of a');



 



figure();



subplot(1,2,1);



imshow(H_1,[0 1]);



xlabel('c).Ideal Lowpass filter(D=60)');



 



subplot(1,2,2);



h = mesh(1:20:P,1:20:Q,H_1(1:20:P,1:20:Q));




set(h,'EdgeColor','k');



axis([0 P 0 Q 0 1]);



xlabel('u');ylabel('v');



zlabel('|H(u,v)|');



 



figure();



subplot(1,2,1);



imshow(log(1 + abs(G_1)),[ ]);



xlabel('d).Result of filtering using c');



 



subplot(1,2,2);



imshow(g_1,[0 1]);



xlabel('e).Result image');



 



figure();



subplot(1,2,1);



imshow(H_2,[0 1]);



xlabel('f).Ideal Lowpass filter(D=160)');



 



subplot(1,2,2);



h = mesh(1:20:P,1:20:Q,H_2(1:20:P,1:20:Q));




set(h,'EdgeColor','k');



axis([0 P 0 Q 0 1]);



xlabel('u');ylabel('v');



zlabel('|H(u,v)|');



 



figure();



subplot(1,2,1);



imshow(log(1 + abs(G_2)),[ ]);



xlabel('g).Result of filtering using e');



 



subplot(1,2,2);



imshow(g_2,[0 1]);



xlabel('h).Result image');



close all;



clear all;



 



%% ---------Butterworth Lowpass Filters (Fre. Domain)------------



f = imread('characters_test_pattern.tif');



f = mat2gray(f,[0 255]);



 



[M,N] = size(f);



P = 2*M;



Q = 2*N;



fc = zeros(M,N);



 




for x = 1:1:M



    for y = 1:1:N



        fc(x,y) = f(x,y) * (-1)^(x+y);



    end




end



 



F = fft2(fc,P,Q);



 



H_1 = zeros(P,Q);



H_2 = zeros(P,Q);



 




for x = (-P/2):1:(P/2)-1




     for y = (-Q/2):1:(Q/2)-1




        D = (x^2 + y^2)^(0.5);



        D_0 = 100;



        H_1(x+(P/2)+1,y+(Q/2)+1) = 1/(1+(D/D_0)^2);   



        H_2(x+(P/2)+1,y+(Q/2)+1) = 1/(1+(D/D_0)^6);



     end




end



 



 



G_1 = H_1 .* F;



G_2 = H_2 .* F;



 



g_1 = real(ifft2(G_1));



g_1 = g_1(1:1:M,1:1:N);



 



g_2 = real(ifft2(G_2));



g_2 = g_2(1:1:M,1:1:N);         



 




for x = 1:1:M



    for y = 1:1:N



        g_1(x,y) = g_1(x,y) * (-1)^(x+y);



        g_2(x,y) = g_2(x,y) * (-1)^(x+y);



    end




end



 



%% -----show-------



figure();



subplot(1,2,1);



imshow(f,[0 1]);



xlabel('a).Original Image');



 



subplot(1,2,2);



imshow(log(1 + abs(F)),[ ]);



xlabel('b).Fourier spectrum of a');



 



figure();



subplot(1,2,1);



imshow(H_1,[0 1]);



xlabel('c)Butterworth Lowpass (D_{0}=100,n=1)');



 



subplot(1,2,2);



h = mesh(1:20:P,1:20:Q,H_1(1:20:P,1:20:Q));




set(h,'EdgeColor','k');



axis([0 P 0 Q 0 1]);



xlabel('u');ylabel('v');



zlabel('|H(u,v)|');



 



figure();



subplot(1,2,1);



imshow(log(1 + abs(G_1)),[ ]);



xlabel('d).Result of filtering using c');



 



subplot(1,2,2);



imshow(g_1,[0 1]);



xlabel('e).Result image');



 



figure();



subplot(1,2,1);



imshow(H_2,[0 1]);



xlabel('f).Butterworth Lowpass (D_{0}=100,n=3)');



 



subplot(1,2,2);



h = mesh(1:20:P,1:20:Q,H_2(1:20:P,1:20:Q));




set(h,'EdgeColor','k');



axis([0 P 0 Q 0 1]);



xlabel('u');ylabel('v');



zlabel('|H(u,v)|');



 



figure();



subplot(1,2,1);



imshow(log(1 + abs(G_2)),[ ]);



xlabel('g).Result of filtering using e');



 



subplot(1,2,2);



imshow(g_2,[0 1]);



xlabel('h).Result image');



close all;



clear all;



clc;



%% ---------Gaussian Lowpass Filters (Fre. Domain)------------



f = imread('characters_test_pattern.tif');



f = mat2gray(f,[0 255]);



 



[M,N] = size(f);



P = 2*M;



Q = 2*N;



fc = zeros(M,N);



 




for x = 1:1:M



    for y = 1:1:N



        fc(x,y) = f(x,y) * (-1)^(x+y);



    end




end



 



F = fft2(fc,P,Q);



 



H_1 = zeros(P,Q);



H_2 = zeros(P,Q);



 




for x = (-P/2):1:(P/2)-1




     for y = (-Q/2):1:(Q/2)-1




        D = (x^2 + y^2)^(0.5);



        D_0 = 60;



        H_1(x+(P/2)+1,y+(Q/2)+1) = exp(-(D*D)/(2*D_0*D_0));   



        D_0 = 160;



        H_2(x+(P/2)+1,y+(Q/2)+1) = exp(-(D*D)/(2*D_0*D_0));



     end




end



 



G_1 = H_1 .* F;



G_2 = H_2 .* F;



 



g_1 = real(ifft2(G_1));



g_1 = g_1(1:1:M,1:1:N);



 



g_2 = real(ifft2(G_2));



g_2 = g_2(1:1:M,1:1:N);         



 




for x = 1:1:M



    for y = 1:1:N



        g_1(x,y) = g_1(x,y) * (-1)^(x+y);



        g_2(x,y) = g_2(x,y) * (-1)^(x+y);



    end




end



 



 



%% -----show-------



close all;



 



figure();



subplot(1,2,1);



imshow(f,[0 1]);



xlabel('a).Original Image');



 



subplot(1,2,2);



imshow(log(1 + abs(F)),[ ]);



xlabel('b).Fourier spectrum of a');



 



figure();



subplot(1,2,1);



imshow(H_1,[0 1]);



xlabel('c)Gaussian Lowpass (D_{0}=60)');



 



subplot(1,2,2);



h = mesh(1:20:P,1:20:Q,H_1(1:20:P,1:20:Q));




set(h,'EdgeColor','k');



axis([0 P 0 Q 0 1]);



xlabel('u');ylabel('v');



zlabel('|H(u,v)|');



 



figure();



subplot(1,2,1);



imshow(log(1 + abs(G_1)),[ ]);



xlabel('d).Result of filtering using c');



 



subplot(1,2,2);



imshow(g_1,[0 1]);



xlabel('e).Result image');



 



figure();



subplot(1,2,1);



imshow(H_2,[0 1]);



xlabel('f).Gaussian Lowpass (D_{0}=160)');



 



subplot(1,2,2);



h = mesh(1:20:P,1:20:Q,H_2(1:20:P,1:20:Q));




set(h,'EdgeColor','k');



axis([0 P 0 Q 0 1]);



xlabel('u');ylabel('v');



zlabel('|H(u,v)|');



 



figure();



subplot(1,2,1);



imshow(log(1 + abs(G_2)),[ ]);



xlabel('g).Result of filtering using e');



 



subplot(1,2,2);



imshow(g_2,[0 1]);



xlabel('h).Result image');

      原文发于博客：http://blog.csdn.net/thnh169/