1. 程式人生 > >計算機視覺(六):頻率域濾波器

計算機視覺(六):頻率域濾波器

一、濾波器

1. 基本濾波公式

      頻率域濾波是指先修改一副影象的傅立葉變換,然後計算其反變換,得到處理後的結果。由此,若給定一副大小為 M × N M\times N

的數字影象 f ( x , y ) f(x, y) ,則基本濾波公式有如下形式:
g
( x , y ) = ζ 1 [ H ( u , v ) F ( u , v ) ] g(x,y) = \zeta^{-1}[H(u,v)F(u,v)]
式中, ζ 1 \zeta^{-1} 是IDEF, F ( u , v ) F(u,v) 是輸入影象 f ( x , y ) f(x,y) 的DEF, H ( u , v ) H(u,v) 是濾波函式(簡稱為濾波器或濾波傳遞函式), g ( x , y ) g(x,y) 是濾波後的輸出影象。函式 F F H H g g 是大小與輸入影象相同的 M × N M\times N 陣列。

2. 濾波步驟

① 選擇濾波器 H ( u , v ) H(u,v)
      所有的濾波函式 H ( u , v ) H(u,v) 可理解為大小為 P × Q P\times Q 的離散函式,即離散頻率變數的範圍是 u = 0 , 1 , 2 , . . . , P 1 u=0,1,2,...,P-1 v = 0 , 1 , 2 , . . . , Q 1 v=0,1,2,...,Q-1
② 填充 f ( x , y ) f(x,y)
      通常選擇 P = 2 M P=2M Q = 2 N Q=2N ,並對 f ( x , y ) f(x,y) 新增必要數量的0,形成大小為 P × Q P\times Q 的影象。
③ 求 f ( u , v ) f(u,v) 的DEF F ( u , v ) \rightarrow F(u,v)
④ 改變 F ( u , v ) F(u,v) 的原點至中心:
      換位,將 F ( u , v ) F(u,v) 的低頻部分移到中間,高頻部分移到四周,以便後面的計算。
⑤ 計算 H ( u , v ) F ( u , v ) H(u,v)F(u,v)
⑥ 改變 H ( u , v ) F ( u , v ) H(u,v)F(u,v) 的原點至左上角:
      對 H ( u , v ) F ( u , v ) H(u,v)F(u,v) 的結果進行換位,得到初始時影象的DEF的資料排列形式,即低頻部分在四周,高頻部分在中間(原點在左上角意味著低頻部分在左上角,又因為的DEF是中心對稱的,可得初始時影象的DEF應是低頻在四周高頻在中間)。
⑦ 求 H ( u , v ) F ( u , v ) H(u,v)F(u,v) 的IDEF g ( x , y ) \rightarrow g(x,y)
      此時求得的IDEF是一個複數,我們需計算每一個元素的幅度(實部和虛部平方和的平方根),並提取左上角的 M × N M\times N 區域,得到最終的輸出影象 g ( x , y ) g(x,y)

3. 低通濾波器與高通濾波器

      衰減高頻而通過低頻的濾波器的濾波器稱為低通濾波器,將模糊一副影象。
      衰減低頻而通過高頻的濾波器的濾波器稱為高通濾波器,將銳化一副影象。
      一個高通濾波器 H H P ( u , v ) H_{HP}(u,v) 和一個低通濾波器 H L P ( u , v ) H_{LP}(u,v) 可以有如下關係:
H H P ( u , v ) + H L P ( u , v ) = 1 H_{HP}(u,v) + H_{LP}(u,v) = 1 也就是說,被低通濾波器衰減的頻率能通過高通濾波器,反之亦然。



二、低通濾波器(平滑影象)

1. 理想低通濾波器

      在以原點為圓心、以 D 0 D_0 為半徑的圓內,無衰減地通過所有頻率,而在該圓外“阻斷”所有頻率的二維低通濾波器,稱為理想低通濾波器(ILPE)。它由下面的函式確定:
H ( u , v ) = { 1 , D ( u , v ) D 0 0 , D ( u , v ) > D 0 H(u,v)= \begin{cases} 1, & \text {$D(u,v)\leq D_0$} \\ 0, & \text{$D(u,v)>D_0$} \end{cases} 式中, D 0 D_0 是一個正常數, D ( u , v ) D(u,v) 是頻率域中點 ( u , v ) (u,v) 與頻率矩形中心的距離,即
D ( u , v ) = [ ( u P / 2 ) 2 + ( v Q / 2 ) 2 ] 1 2 D(u,v) = [(u-P/2)^2 + (v-Q/2)^2]^{1\over2}

相關推薦

計算機視覺頻率濾波器

一、濾波器 1. 基本濾波公式 2. 濾波步驟 3. 低通濾波器與高通濾波器 二、低通濾波器(平滑影象)

計算機視覺頻率濾波基礎

一、數學預備知識 1. 傅立葉級數 二、基本概念 1. 頻率域 2. 複數 3. 尤拉公式

計算機視覺空間濾波器

一、平滑空間濾波器 1. 平滑線性濾波器(均值濾波器) 2. 統計排序(平滑非線性)濾波器 二、銳化空間濾波器

計算機視覺空間濾波基礎

一、背景知識 1.空間域 2.運算元 3.變換函式 二、一些基本的灰度變換函式 1.影象反轉

計算機視覺使用Softmax分類Cifar-10資料集

1 - 引言 這次,我們將使用Softmax來分類Cifar-10,過程其實很之前使用的SVM過程差不多,主要區別是在於損失函式的不同,而且Softmax分類器輸出的結果是輸入樣本在不同類別上的概率值大小,Softmax分類器也叫多項Logistic迴歸 線性模型:

計算機視覺直方圖均衡

一、灰度空間的直方圖均衡 1.直方圖 2.變換函式應滿足條件 3.變換函式 4.直方圖均衡 二、彩色空間的直方圖均衡

計算機視覺基礎篇

一、光和電磁波譜 二、彩色模型 1.RGB彩色模型 2.HSV彩色模型 3.從RGB到HSV的彩色轉換 4.從HSV到RGB的彩色轉換

計算機視覺特徵檢測/提取feature detection/extraction

關鍵點檢測和匹配流水線四個階段 一、背景知識 1. 影象特徵 2. 數字函式的一階導數和二階導數 3. 導數與影象特徵關係 二

計算機視覺影象分割

一、閾值處理 1. 基礎知識 2. 基本的全域性閾值處理 3. 用Otsu方法的全域性閾值處理 4. 用影象平滑改善全域性閾值處理 5. 利用邊

計算機視覺

影象檢索與相關應用 一。基於內容的影象檢索      分開展開:   HOG    SIFT:      GIST:      CNN:      最近鄰問題:      區域性敏感的雜湊:在高維空間和低維空間去保持距離     

計算機視覺提取Cifar-10資料集的HOG、HSV特徵並使用神經網路進行分類

1 - 引言 之前我們都是將整張圖片輸入進行分類,要想進一步提升準確率,我們就必須提取出圖片更容易區分的特徵,再將這些特徵當做特徵向量進行分類。在之前我們學了一些常用的影象特徵,在這次實驗中,我們使用了兩種特徵 梯度方向直方圖(HOG) 顏色直方圖(HSV)

計算機視覺構建兩層的神經網路來分類Cifar-10資料集

1 - 引言 之前我們學習了神經網路的理論知識,現在我們要自己搭建一個結構為如下圖所示的神經網路,對Cifar-10資料集進行分類 前向傳播比較簡單,就不在贅述 反向傳播需要注意的是,softmax的反向傳播與之前寫的softmax程式碼一樣。神經網路內部的反向傳播權重偏導就是前面

計算機視覺使用SVM分類Cifar-10資料集

1 - 引言 之前我們使用了K-NN對Cifar-10資料集進行了圖片分類,正確率只有不到30%,但是還是比10%高的[手動滑稽],這次我們將學習使用SVM分類器來對Cafi-10資料集實現分類,但是正確率應該也不會很高 要想繼續提高正確率,就要對影象進行預處理和特徵的選取工作,而不

計算機視覺使用K-NN分類器對CIFAR-10進行分類

1 - 引言 之前我們學習了KNN分類器的原理,現在讓我們將KNN分類器應用在計算機視覺中,學習如何使用這個演算法來進行圖片分類。 2 - 準備工作 建立專案結構如圖所示 在datasets檔案中下載資料集Cifar-10 k_nearest_neighbo

計算機視覺目標檢測與識別

1 - 引言 目標檢測和識別,是計算機視覺最常見的挑戰之一。 目標檢測和識別的區別在於:目標檢測是用來確定影象的某個區域是否含有要識別的物件,而識別是程式識別物件的能力。識別通常只處理已檢測到物件的區域。 在計算機視覺中有很多目標檢測和識別的技術 梯度直方圖(Hist

計算機視覺影象檢索以及基於影象描述符的搜尋

1 - 引言 在影象識別中,我們通常將圖片的特徵提取出來,並使用這些主要特徵來進行識別。 在OpenCV中提供了許多特徵檢測演算法,下面讓我們來學習一下怎麼使用這些演算法 2 - 特徵定義 粗略的講,特徵就是有意義的影象區域,該區域具有獨特性或易於識別性。因此,角點以及高密度區域

計算機視覺人臉檢測和識別

1 - 引言 之前我們學習了機器學習和數字影象處理的相關知識,瞭解了基本的概念理論和OpenCV和TensorFlow框架的使用,現在我們可以結合這些知識與工具寫出屬於我們自己的計算機視覺專案,本文主要介紹瞭如何使用OpenCV提供的函式來構建一個人臉識別和檢測的應用 2 - Haa

程式設計菜鳥到大佬之路計算機作業系統

處理器管理 中斷 中斷的概念 中斷是指程式執行過程中, 遇到急需處理的事件時, 暫時中止CPU上現行程式的執行,轉去執行相應的事件處理程式, 待處理完成後再返回原程式被中斷處或排程其他程式執行的過程。 作業系統是“中斷驅動” 的; 換言之, 中斷是啟用

SpringBootSpringBoot使用CROS解決跨問題

跨域問題其實之前就有說過,不明白的可以參考我之前的文章,這章主要講解SpringBoot CROS的支援。 這裡主要按照官方文件方式講述。 SpringBoot CROS 參考: http://docs.spring.io/spring-boot/docs/1.5.4.R

計算機色彩知識調研

1. 什麼是色域 在計算機圖形學中,色域是指一個技術系統能夠產生的顏色的範圍總和,是顏色空間的某個完全的子集。 2. 人眼的色域 就目前而言,人眼的色域比大多數裝置的標準色域要寬廣得多。(其實也很好理解,人眼都看不到的顏色,裝置要顯示它幹嘛呢?) 所以,通常會用人