图像中带通滤波器和带阻滤波器的关系
2014-10-26 16:39
232 查看
先给出一张图像,来说明带阻滤波器和带通滤波器的关系。
由上图可以看出这张图片的中低成份占的比较多,而高频成份比较少。因为白色的像素都集中在中点和离中心的附近。对于频谱图,由白色代表某一频率点有响应,也就是原图含有该频率的成份。可以举个例子,假如我对一张图片加入椒盐噪声,这个椒盐噪声属于全频谱的。可以得到下图示
很明显图像被污染了,频谱图出现了很多白色点,就代表这张图片在低频成份很多的情况下,又额外的增加了高频中频低频成份,如上第三图就出现了凹凸不平山峰一样。
解释完频率后来看带通滤波器和带阻滤波器。
再分别给出它们傅里叶反变换图
图4为带阻滤波器的三维视图,图5只含中频信号的图像,图6只含高频和低频信号。读者可以自己举例子来进行高频和低频的分析,一样的原理。
只给出带阻滤波器的相关代码
由上图可以看出这张图片的中低成份占的比较多,而高频成份比较少。因为白色的像素都集中在中点和离中心的附近。对于频谱图,由白色代表某一频率点有响应,也就是原图含有该频率的成份。可以举个例子,假如我对一张图片加入椒盐噪声,这个椒盐噪声属于全频谱的。可以得到下图示
很明显图像被污染了,频谱图出现了很多白色点,就代表这张图片在低频成份很多的情况下,又额外的增加了高频中频低频成份,如上第三图就出现了凹凸不平山峰一样。
解释完频率后来看带通滤波器和带阻滤波器。
再分别给出它们傅里叶反变换图
图4为带阻滤波器的三维视图,图5只含中频信号的图像,图6只含高频和低频信号。读者可以自己举例子来进行高频和低频的分析,一样的原理。
只给出带阻滤波器的相关代码
I=imread('C:\Users\hlx\Desktop\1.jpg'); %读入原图像文件 I2=rgb2gray(I); I1=double(I2); fftI=fft2(I1); % 二维离散傅立叶变换 sfftI=fftshift(fftI); % 直流分量移到频谱中心 [N1,N2]=size(sfftI); n=2; d0=10; d1=200; n1=floor(N1/2); n2=floor(N2/2); for i=1:N1 for j=1:N2 d=sqrt((i-n1)^2+(j-n2)^2); if d<=d0 || d>=d1 h=0; else h=1; end result(i,j)=h*sfftI(i,j); end end sfftI=result; RR=real(sfftI); % 取傅立叶变换的实部 II=imag(sfftI); % 取傅立叶变换的虚部 A=sqrt(RR.^2+II.^2); % 计算频谱幅值 A=(A-min(min(A)))/(max(max(A))-min(min(A)))*255; %归一化 imshow(A);
相关文章推荐
- 图像中带通滤波器和带阻滤波器的关系(带通图像)
- 图像卷积与滤波器关系
- 图像处理基础(3):均值滤波器及其变种
- 手机屏幕的分辨率和图像尺寸关系
- Matlab---图像滤波之各种滤波器汇总实现
- 【图像处理】【SEED-VPM】7.RBL, UBL, Uboot的关系
- 计算机视觉与图像处理、模式识别、机器学习学科之间的关系
- 自适应图像降噪滤波器的设计与实现
- 图像处理滤波器(六)——频率滤波器(Frequency Filter)
- 图像处理基础(三)_像素之间的3种关系
- Win8 Metro(C#)数字图像处理--2.67图像最大值滤波器
- 计算机视觉与图像处理、模式识别、机器学习学科之间的关系
- 【Matlab学习笔记】【图像滤波去噪】以-4,-8为中心的拉普拉斯滤波器
- OpenCV图像坐标系与行列宽高的关系
- 灰度图像--频域滤波 滤波器
- 针孔相机拍摄的图像坐标和空间点的对应关系
- 8位图像的双边滤波器实现
- 图像与滤波关系
- 2D-Gabor 滤波器对图像纹理的增强
- [置顶] 【python 图像处理】各种卷积滤波器的效果--cv2