频域图像增强
2007-05-16 18:12
267 查看
基本步骤是:
f(x,y)--------àDFT-------à频率域滤波--------àIDFT---------àg(x,y)
第一步是二维傅立叶变换,结果是一个傅立叶频谱
如f(x,y)
的变换结果是F(u,v)
。
傅立叶变换速度很慢,可以用快速傅立叶变换进行加速。
第二步,进行频率域滤波
G(u,v)=H(u,v)*F(u,v)
其中H(u,v)为滤波器函数,常见的有以下几种:
1. 平滑的频域滤波器
(1) 理想低通滤波器
(u,v)到中心的距离为:
D(u,v)=sqrt((x-WIDTH)^2 + (y-HEIGHT/2)^2);
H(u,v)=1 D(u,v)<=D0
H(u,v)=0 D(u,v)>D0
即在超过D0距离的范围全部舍去
(2) 巴特沃思低通滤波器
H(u,v) = 1 / (1 + pow(D(u,v)/D0, 2*n));
(3) 高斯低通滤波器
H(u,v)= pow(M_E,-D(u,v)^2/(2.0f*D0^2));
2. 频率域锐化滤波器
同平滑滤波器,不过换成高通的了,相应的变换函数很简单:
Hhp(u,v)=1 – Hlp(u,v);
3. 傅立叶反变换
把处理过的频率域结果反变换成图像
如上上述指纹图像经过三个低通滤波器后的结果:
f(x,y)--------àDFT-------à频率域滤波--------àIDFT---------àg(x,y)
第一步是二维傅立叶变换,结果是一个傅立叶频谱
如f(x,y)
的变换结果是F(u,v)
。
傅立叶变换速度很慢,可以用快速傅立叶变换进行加速。
第二步,进行频率域滤波
G(u,v)=H(u,v)*F(u,v)
其中H(u,v)为滤波器函数,常见的有以下几种:
1. 平滑的频域滤波器
(1) 理想低通滤波器
(u,v)到中心的距离为:
D(u,v)=sqrt((x-WIDTH)^2 + (y-HEIGHT/2)^2);
H(u,v)=1 D(u,v)<=D0
H(u,v)=0 D(u,v)>D0
即在超过D0距离的范围全部舍去
(2) 巴特沃思低通滤波器
H(u,v) = 1 / (1 + pow(D(u,v)/D0, 2*n));
(3) 高斯低通滤波器
H(u,v)= pow(M_E,-D(u,v)^2/(2.0f*D0^2));
2. 频率域锐化滤波器
同平滑滤波器,不过换成高通的了,相应的变换函数很简单:
Hhp(u,v)=1 – Hlp(u,v);
3. 傅立叶反变换
把处理过的频率域结果反变换成图像
如上上述指纹图像经过三个低通滤波器后的结果:
相关文章推荐
- 【转】图像增强(频域低通)
- 数字图像处理之频域图像增强
- 图像增强(频域低通)
- 空间域与频域的图像增强(1)
- 频域图像增强(学习笔记)
- 图像增强:频域
- 图像频域增强的一些知识(不断更新,便于自己和大家查阅)
- 数字图像处理—频域增强(低通滤波)(高通滤波)(带通和带阻滤波)(同态滤波)
- 图像增强(频域高通)
- 图像增强之频域增强
- 空间域和频域结合的图像增强技术及实现
- 图像增强 空域滤波和频域滤波
- 空间域和频域的图像增强(2)--直方图均衡化与键索引计数法
- 图像处理学习三(频域图像增强)
- 数字图像处理-频域增强
- 图像频域增强
- 图像处理之图像增强项目---csdn去雾专栏1
- Matlab图像增强——空间域图像增强之基础
- 数学之路-python计算实战(14)-机器视觉-图像增强(直方图均衡化)
- 常用的图像增强算法