学习数字图像处理(4)——傅里叶变换和频域滤波

这里默认大家已经学会并掌握了一维傅里叶变换，有关一维傅里叶变换的知识就不再赘述。

4.1 二维傅里叶变换

二维傅里叶变换是信号处理和图像处理中常用的工具，它可以将一个二维空间中的函数或信号分解成一系列正弦和余弦函数的和。这种变换在图像处理中特别有用，因为它可以将图像从空间域转换到频率域，从而允许我们分析图像中的频率信息。

定义

二维傅里叶变换可以用以下数学公式表示：

给定一个二维函数 f(x, y)，它的二维傅里叶变换F(u, v) 定义为：

其中 u 和 v是频率变量，x 和 y 是空间变量，i 是虚数单位。

物理意义

在二维傅里叶变换中，F(u, v) 可以被理解为原始函数 f(x, y) 在频率域中的表示。u 和 v 可以被看作是在空间中振荡的频率。 |F(u, v)| 表示了频率 (u, v) 处的振幅，而 \angle F(u, v) 表示了频率 (u, v) 处的相位。

逆变换

类似于一维傅里叶变换，二维傅里叶变换也有逆变换。给定一个频率域中的函数 F(u, v)，它的逆变换 f(x, y) 定义为：

性质

以下是二维傅里叶变换的一些基本性质：

1. 线性性质：如果有两个函数的线性组合，在空间域中的每一点上的值是这两个函数在该点值的线性组合，那么它们的傅里叶变换也是相应的线性组合。

2. 平移性质：函数在空间域的平移将在频域中转换为相应的相位变化。

3. 旋转性质：函数在空间域的旋转等价于其傅里叶变换在频域的旋转。

4. 共轭对称性：对于实数函数，其二维傅里叶变换是共轭对称的，即F(u,v)的共轭等于F(-u,-v)。

5. 卷积定理：两个函数在空间域的卷积等价于它们的傅里叶变换在频域的乘积。

6. 缩放性质：如果在空间域内对函数进行缩放，那么在频域内也会发生缩放，但是方向相反（即一个放大，另一个缩小）。

   

7. Parseval定理：函数在空间域的能量等于其在频域的能量。

应用

二维傅里叶变换在图像处理中有许多应用，包括频域滤波、图像压缩、特征提取等。通过将图像转换到频率域，我们可以分析图像中的频率成分，并对图像进行各种操作，然后再通过逆变换将图像转回到空间域。

4.2 频域滤波

低通滤波

在图像处理中，低通滤波是一种常用的技术，用于去除图像中的高频信息，同时保留低频信息。这种滤波技术在很多图像处理任务中都很有用，比如图像去噪、平滑和特征提取等。

低通滤波的原理

低通滤波的原理是通过滤波器抑制图像中高频部分（细节部分），从而实现图像的模糊或平滑效果。在频域中，低通滤波器会允许低频信号通过，而阻止高频信号。

理想低通滤波、高斯低通滤波和巴特沃斯低通滤波是常用的三种低通滤波器。它们在频域中的响应具有不同的特性，因此在图像处理中应用时会产生不同的效果。

理想低通滤波器

理想低通滤波器是一种理想化的滤波器，其频率响应在截止频率处突然从1变为0，以完全阻止高频成分通过。其频率响应函数为：

其中 D(u, v) 是频率域中点 (u, v) 到频率中心的距离，D_0 是截止频率。

该图与频域图相乘能够完成低通滤波器。

观察经过高斯滤波的Lena图，发现了类似水波状的条纹，这就是振铃现象。为了消除振铃现象，可以选用高斯低通滤波器或者是巴特沃斯低通滤波器。

高斯低通滤波器

高斯低通滤波器的频率响应是一个二维高斯函数，具有平滑的过渡特性。其频率响应函数为：

其中 D(u, v) 是频率域中点 (u, v) 到频率中心的距离，\sigma 是控制滤波器宽度的参数。

注意到低通滤波器模糊了图像的细节，类似于空域滤波中的平滑空间滤波器。

巴特沃斯低通滤波器

巴特沃斯低通滤波器通过调节阶数 ( n ) 来控制频率响应的过渡宽度。其频率响应函数为：

其中 D(u, v) 是频率域中点 (u, v) 到频率中心的距离，D_0 是截止频率，n 是阶数。

对比表格

滤波器类型	频率响应	特点
理想低通滤波器	突变	频域截止，引入振铃效应
高斯低通滤波器	平滑	连续且光滑的频率响应
巴特沃斯低通滤波器	可调节的过渡宽度	通过调节阶数 ( n ) 控制过渡宽度

这些滤波器在图像处理中的应用取决于具体的需求和场景，选择合适的滤波器可以达到更好的图像处理效果。

应用

低通滤波在图像处理中有多种应用，包括但不限于：

1. 图像去噪：通过去除图像中的高频噪声，使图像更清晰。
2. 平滑处理：使图像更加平滑，减少图像中的细节信息。
3. 图像压缩：在图像压缩中，低通滤波可以帮助去除图像中的高频信息，从而减小图像的数据量。

高通滤波

频域高通滤波是一种基于图像的频谱分析进行的滤波方法，它利用图像的傅里叶变换来实现高通滤波。这种方法通常用于在频域中抑制图像中的低频信息，从而突出图像中的高频信息，例如边缘和细节。

在频域高通滤波中，图像首先被转换到频域，然后通过乘以高通滤波器的频谱来实现滤波。常见的高通滤波器包括巴特沃斯高通滤波器和高斯高通滤波器。

巴特沃斯高通滤波器

布特沃斯高通滤波器是一种常用的频域高通滤波器，它可以根据图像的频谱特性来抑制低频信息。布特沃斯高通滤波器的频谱响应可以通过以下公式来表示：

简单来说，就是1减去对应的低通滤波器。

其中，H(u, v)是频率域中的滤波器函数，D(u, v)是图像中像素点(u, v)到频率中心的距禮，D_0是截止频率，n是滤波器的阶数。

高斯高通滤波器

高斯高通滤波器是另一种常用的频域高通滤波器，它可以通过高斯函数来实现频域中的低频抑制。高斯高通滤波器的频谱响应可以通过以下公式来表示：

其中，H(u, v)是频率域中的滤波器函数，D(u, v)是图像中像素点(u, v)到频率中心的距禮，\sigma是高斯函数的标准差。

这些频域高通滤波器可以通过对图像进行傅里叶变换，然后在频域中应用相应的滤波器函数，最后再进行逆傅里叶变换来实现对图像的高通滤波。这样可以实现对图像中高频信息的增强，从而突出图像中的细节和边缘。这类似于空间滤波中的边缘提取。

强调滤波

高斯强调滤波器（Gaussian Emphasis Filter）是一种图像增强滤波器，它通过在频域中增强图像的高频信息来改善图像的清晰度和对比度。这种滤波器的目的是突出图像中的细节和边缘，并减弱低频信息，使图像更加清晰。

原理

高斯强调滤波器的设计基于频域的图像处理技术。它的基本原理是在频域中通过增强高频信息来改善图像的质量。通常，图像的高频信息对应于图像中的边缘和细节，而低频信息对应于图像中的平滑区域。

实现

高斯强调滤波器的实现通常包括以下步骤：

1. 对原始图像进行傅里叶变换，将图像从空间域转换到频率域。
2. 在频率域中应用高斯滤波器，以增强图像的高频信息。通常，这可以通过设计一个高斯滤波器来实现，该滤波器可以增强图像中的高频部分。
3. 将经过增强的频域图像进行逆傅里叶变换，将图像从频率域转换回空间域。

应用

高斯强调滤波器常用于图像增强和图像清晰度改善的应用中。通过突出图像中的细节和边缘，它可以使图像更加清晰，更易于分析和理解。这种滤波器在医学图像处理、卫星图像分析和科学图像处理等领域有着广泛的应用。

总的来说，高斯强调滤波器是一种通过在频域中增强图像的高频信息来改善图像质量的图像增强技术。它可以帮助突出图像中的细节和边缘，从而改善图像的清晰度和对比度。

同态滤波

同态滤波（Homomorphic Filtering）是一种用于图像增强和去除照明不均匀（illumination variation）的技术。它可以在频域中对图像进行处理，以便同时调整图像的光照和反射属性。同态滤波通常用于处理受到照明不均匀影响的图像，例如由于光照条件不佳或相机传感器的非线性响应而导致的图像质量下降。

原理

同态滤波的原理基于图像的光照和反射属性。在图像中，光照（illumination）表示了图像中的全局光照变化，而反射（reflectance）则表示了物体表面的固有属性。同态滤波的目标是将图像分解为光照和反射两个部分，并对它们进行分别的调整。

实现

同态滤波通常包括以下步骤：

1. 对图像进行对数变换，将图像从空间域转换到频率域。这一步骤有助于将光照和反射分离开来。
2. 在频率域中对图像进行滤波，通常采用高斯滤波器或巴特沃斯滤波器来调整光照和反射的幅度谱。
3. 将经过滤波的频率域图像进行逆变换，将图像从频率域转换回空间域。

同态滤波的关键优势在于它可以有效地处理图像中的光照不均匀问题，同时保留图像的细节和边缘信息。它在计算机视觉、医学图像处理和遥感图像处理等领域有着广泛的应用。

应用

同态滤波在许多领域都有着广泛的应用，例如：

• 医学图像处理：用于改善受光照条件影响的医学图像，如X射线图像和核磁共振图像。
• 遥感图像处理：用于处理由于大气散射和地形变化导致的光照不均匀问题。
• 工业检测：用于改善由于照明条件变化引起的工业检测图像的质量。

总的来说，同态滤波是一种有效的图像增强技术，特别适用于处理受光照不均匀影响的图像。它可以帮助分离图像中的光照和反射属性，并对它们进行独立的调整，从而改善图像的质量和可分析性。

程序可能需要用到的源码在这里：频域滤波.py