同态滤波(Homomorphic filtering)
2014-05-12 08:41
155 查看
申明:本文非原创,转载自http://www.tofact.com/2011/homomorphic-filtering.html
在生活中会得到这样的图像,它的动态范围很大,而我们感兴趣的部分的灰度又很暗,图像细节没有办法辨认,采用一般的灰度级线性变换法是不行的。图像的同态滤波(Homomorphic filtering)属于图像频率域处理范畴,其作用是对图像灰度范围进行调整,通过消除图像上照明不均的问题,增强暗区的图像细节,同时又不损失亮区的图像细节。
一般自然景物的图像f(x,y)可由照明(illumination)函数i(x,y)和反射(reflectance)函数r(x,y)的乘积表示。i(x,y)描述景物的照明,与景物无关;r(x,y)包含景物的细节,与照明无关。
由于i与r函数二者相乘,无法变换到频域再对其分开处理,因此对上式取对数
使在空间域变成相加关系,
再对上式取傅里叶变换,
Fi(u,v): 照明函数在空间上变化缓慢,其频谱特性集中在低频段,;
Fr(u,v): 反射函数的频谱集中在高频段(景物本身具有较多的细节和边缘),反射函数描述的景物,反映图像的细节内容,其频率处于高频区域。
假如图像照明不均,则图像上各部分的平均亮度会有起伏。对应于暗区的图像细节结构就较难分辨,需要消除这种不均匀性。可以压缩照明函数的灰度范围,也就是在频域上削弱照明函数的成分,同时增强反射函数的频谱成分,就可以增加反映图像对比度的反射函数的对比度。结果,使图像上暗区图像细节得以增大,并尽可能大的保持亮区的图像细节。由乘上传递函数H(u,v)——(同态滤波器),低频段被压缩,而高频段却扩展了。
求傅里叶反变换,得在对应空间域表达式
根据不同的图像特性和需要,选用不同的H(u,v),可得到满意的结果。
总之,细节对比度差,分辨不清的图像用同态滤波器处理后,图像画面亮度比较均匀,细节得以增强。
在生活中会得到这样的图像,它的动态范围很大,而我们感兴趣的部分的灰度又很暗,图像细节没有办法辨认,采用一般的灰度级线性变换法是不行的。图像的同态滤波(Homomorphic filtering)属于图像频率域处理范畴,其作用是对图像灰度范围进行调整,通过消除图像上照明不均的问题,增强暗区的图像细节,同时又不损失亮区的图像细节。
f(x,y)
一般自然景物的图像f(x,y)可由照明(illumination)函数i(x,y)和反射(reflectance)函数r(x,y)的乘积表示。i(x,y)描述景物的照明,与景物无关;r(x,y)包含景物的细节,与照明无关。f(x,y)=i(x,y)·r(x,y) 0 < i(x,y) < ∞; 0 < r(x,y) < 1 ;
ln
由于i与r函数二者相乘,无法变换到频域再对其分开处理,因此对上式取对数ln f(x,y) =ln (i(x,y)·r(x,y)) = ln i(x,y) + ln r(x,y)
使在空间域变成相加关系,
Fourier Transform
再对上式取傅里叶变换,Fln(uv)=FT{ln i(x,y) + ln r(x,y)}=Fi(u,v)+Fr(u,v);
Fi(u,v): 照明函数在空间上变化缓慢,其频谱特性集中在低频段,;
Fr(u,v): 反射函数的频谱集中在高频段(景物本身具有较多的细节和边缘),反射函数描述的景物,反映图像的细节内容,其频率处于高频区域。
H(u,v)
假如图像照明不均,则图像上各部分的平均亮度会有起伏。对应于暗区的图像细节结构就较难分辨,需要消除这种不均匀性。可以压缩照明函数的灰度范围,也就是在频域上削弱照明函数的成分,同时增强反射函数的频谱成分,就可以增加反映图像对比度的反射函数的对比度。结果,使图像上暗区图像细节得以增大,并尽可能大的保持亮区的图像细节。由乘上传递函数H(u,v)——(同态滤波器),低频段被压缩,而高频段却扩展了。Gln(u,v)=Fln(u,v)·H(u,v) =Fi(u,v)·H(u,v)+Fr(u,v)·H(u,v)=Gi(u,v)+Gr(u,v);
IFT
求傅里叶反变换,得在对应空间域表达式IFT{Gln(u,v)}=IFT{Gi(u,v)}+IFT{Gr(u,v)}
exp
g(x,y)=exp{IFT{Gln(u,v)}}
根据不同的图像特性和需要,选用不同的H(u,v),可得到满意的结果。
总之,细节对比度差,分辨不清的图像用同态滤波器处理后,图像画面亮度比较均匀,细节得以增强。
相关文章推荐
- 图像同态滤波的Butterworth方程(Butterworth equations for homomorphic Filtering of images)
- 同态滤波(Homomorphic filtering)基本原理
- 基于同态滤波器(Homomorphic Filtering)的运动目标检测算法
- 同态滤波(Homomorphic filtering)
- 同态滤波(Homomorphic filtering)
- Path MTU Discovery and Filtering ICMP
- IP filtering terms and expressions (iptables)
- Filtering Data with PHP
- 在EditText 过滤Filtering 数据
- AndEngine学习:PhysicsCollisionFiltering(有过滤器的碰撞检测)
- Filtering by a group in a SharePoint Person or Group column
- Traffic Filtering with Reflexive Access-Lists 使用自反访问控制列表过滤流量
- RailsCasts中文版,#9 Filtering Sensitive Logs 遮盖日志中记录的敏感信息
- 基于物品的协同过滤推荐算法——读“Item-Based Collaborative Filtering Recommendation Algorithms”
- Deep Learning论文笔记之(二)Sparse Filtering稀疏滤波
- 论文读书笔记-google news personalization: scalable online collaborative filtering
- 基于物品的协同过滤推荐算法——读“Item-Based Collaborative Filtering Recommendation Algorithms”<转>
- Sparse Filtering 学习笔记(一)网络结构与特征矩阵
- [ZZ] The Naked Truth About Anisotropic Filtering
- ffmpeg filtering video的问题