当前位置:   article > 正文

数字图像处理之低通滤波器实现原理及方法(Matlab)_matlab滤波器原理

matlab滤波器原理

转自http://blog.csdn.net/zhoufan900428/article/details/17194289

 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,函数卷积的傅里叶变换所得到的结果,是函数的傅里叶变换的乘积。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。

[plain]  view plain  copy
  在CODE上查看代码片 派生到我的代码片
  1. 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。

[plain]  view plain  copy
  在CODE上查看代码片 派生到我的代码片
  1. P = 2*M;  
  2. Q = 2*N;  
  3. 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。

[plain]  view plain  copy
  在CODE上查看代码片 派生到我的代码片
  1. [M,N] = size(f);  
  2. P = 2*M;  
  3. Q = 2*N;  
  4. fc = zeros(M,N);  
  5.   
  6. for x = 1:1:M  
  7.     for y = 1:1:N  
  8.         fc(x,y) = f(x,y) * (-1)^(x+y);  
  9.     end  
  10. end  
  11.   
  12. 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

   1
   2
   3
   4
   5
   6
   7
   8
   9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22
  23
  24
  25
  26
  27
  28
  29
  30
  31
  32
  33
  34
  35
  36
  37
  38
  39
  40
  41
  42
  43
  44
  45
  46
  47
  48
  49
  50
  51
  52
  53
  54
  55
  56
  57
  58
  59
  60
  61
  62
  63
  64
  65
  66
  67
  68
  69
  70
  71
  72
  73
  74
  75
  76
  77
  78
  79
  80
  81
  82
  83
  84
  85
  86
  87
  88
  89
  90
  91
  92
  93
  94
  95
  96
  97
  98
  99
 100
           
           
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' );
 来自CODE的代码片
Butterworth_Lowpass_Filters.m
   1
   2
   3
   4
   5
   6
   7
   8
   9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22
  23
  24
  25
  26
  27
  28
  29
  30
  31
  32
  33
  34
  35
  36
  37
  38
  39
  40
  41
  42
  43
  44
  45
  46
  47
  48
  49
  50
  51
  52
  53
  54
  55
  56
  57
  58
  59
  60
  61
  62
  63
  64
  65
  66
  67
  68
  69
  70
  71
  72
  73
  74
  75
  76
  77
  78
  79
  80
  81
  82
  83
  84
  85
  86
  87
  88
  89
  90
  91
  92
  93
  94
  95
  96
  97
  98
  99
 100
 101
 102
 103
           
           
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' );
 来自CODE的代码片
Gaussian_Lowpass_Filters.m
  1
  2
  3
  4
  5
  6
  7
  8
  9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
           
           
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' );

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/IT小白/article/detail/72570
推荐阅读
相关标签
  

闽ICP备14008679号