图像频域增强
图像增强的基本原理
图像增强的基本原理图像增强是一种用于改善图像视觉质量或提取目标特征的技术。
它通过改变图像的亮度、对比度、颜色、清晰度等属性来增强图像的可视性和可识别性。
图像增强的基本原理可以归纳为以下几点：1. 空域增强：采用空域操作，即对图像的每个像素进行操作。
常见的空域增强方法有直方图均衡化、灰度拉伸、滤波等。
直方图均衡化通过重新分布图像中像素的亮度来增加图像的对比度，灰度拉伸则通过线性转换将图像的亮度范围拉伸到整个灰度级范围内。
滤波则通过应用低通、高通、中通等滤波器来增强图像的细节和轮廓。
2. 频域增强：采用频域操作，即将图像转换到频域进行处理。
常见的频域增强方法有傅里叶变换、小波变换等。
傅里叶变换可以将图像从空域转换到频域，通过对频谱进行滤波操作来增强图像的细节和边缘。
小波变换则可以将图像分解为不同频率的子带，可以更加灵活地选择性地增强特定频率的信息。
3. 增强算法：通过应用特定的增强算法来增强图像的视觉效果。
常用的增强算法有Retinex算法、CLAHE算法等。
Retinex算法通过模拟人眼对光源的自适应调整能力来增强图像的亮度和对比度，CLAHE算法则通过分块对比度受限的直方图均衡化来增强图像的细节和纹理。
4. 机器学习方法：利用机器学习算法对图像进行增强。
通过训练模型，学习图像的特征和上下文信息，然后根据学习到的模型对图像进行增强处理。
常见的机器学习方法包括卷积神经网络、支持向量机等。
综上所述，图像增强的基本原理包括空域增强、频域增强、增强算法和机器学习方法等。
这些原理可以单独或结合使用，根据图像的特点和需求，选择合适的方法来对图像进行增强处理，以获得更好的图像视觉质量和目标特征提取效果。
实验四 图像增强
信息工程学院实验报告课程名称：数字图像处理Array实验项目名称：实验四图像增强实验时间：班级：姓名：学号：一、实验目的1.了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。
2. 掌握图像空域增强算法的基本原理。
3. 掌握图像空域增强的实际应用及MATLAB实现。
4. 掌握频域滤波的概念及方法。
5. 熟练掌握频域空间的各类滤波器。
6.掌握怎样利用傅立叶变换进行频域滤波。
7. 掌握图像频域增强增强的实际应用及MATLAB实现。
二、实验步骤及结果分析1. 基于幂次变换的图像增强程序代码：clear all;close all;I{1}=double(imread('fig534b.tif'));I{1}=I{1}/255;figure,subplot(2,4,1);imshow(I{1},[]);hold onI{2}=double(imread('room.tif'));I{2}=I{2}/255;subplot(2,4,5);imshow(I{2},[]);hold onfor m=1:2Index=0;for lemta=[0.5 5]Index=Index+1;F{m}{Index}=I{m}.^lemta;subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[])endend执行结果：图1 幂次变换增强结果实验结果分析：由实验结果可知，当r<1时，黑色区域被扩展，变的清晰；当r>1时，黑色区域被压缩，变的几乎不可见。
2.直方图规定化处理程序代码：clear allclcclose all%0.读图像I=double(imread('lena.tiff'));subplot(2,4,1);imshow(I,[]);title('原图')N=32;Hist_image=hist(I(:),N);Hist_image=Hist_image/sum(Hist_image);Hist_image_cumulation=cumsum(Hist_image);%累计直方图subplot(245);stem(0:N-1,Hist_image);title('原直方图');%1.设计目标直方图Index=0:N-1;%正态分布直方图Hist{1}=exp(-(Index-N/2).^2/N);Hist{1}=Hist{1}/sum(Hist{1});Hist_cumulation{1}=cumsum(Hist{1});subplot(242);stem([0:N-1],Hist{1});title('规定化直方图1');%倒三角形状直方图Hist{2}=abs(2*N-1-2*Index);Hist{2}=Hist{2}/sum(Hist{2});Hist_cumulation{2}=cumsum(Hist{2});subplot(246);stem(0:N-1,Hist{2});title('规定化直方图2');%2. 规定化处理Project{1}=zeros(N);Project{2}=zeros(N);Hist_result{1}=zeros(N);Hist_result{2}=zeros(N);for m=1:2Image=I;%SML处理(SML,Single Mapping Law单映射规则for k=1:NTemp=abs(Hist_image_cumulation(k)-Hist_cumulation{m});[Temp1,Project{m}(k)]=min(Temp);end%2.2 变换后直方图for k=1:NTemp=find(Project{m}==k);if isempty(Temp)Hist_result{m}(k)=0;elseHist_result{m}(k)=sum(Hist_image(T emp));endendsubplot(2,4,(m-1)*4+3);stem(0:N-1,Hist_result{m}); title(['变换后的直方图',num2str(m)]);%2.3结果图Step=256/N;for K=1:NIndex=find(I>=Step*(k-1)&I<Step*k) ;Image(Index)=Project{m}(k);endsubplot(2,4,(m-1)*4+4),imshow(Imag e,[]);title(['变换后的结果图',num2str(m)]);end执行结果：原图规定化直方图2变换后的直方图1变换后的结果图1变换后的直方图2变换后的结果图2图2 直方图规定化实验结果分析：由实验结果可知，采用直方图规定化技术后，原图的直方图逼近规定化的直方图，从而有相应的变换后的结果图1和变换后的结果图2。
数字图像的频域处理
２ ． ４ 自适应 同态滤波 。 由于大气条件影响 ， 云覆盖是遥感图像的 频域处理是指根据一定的 图像模型 ， 对图像频谱进行不 同程度 最 大干扰 因素 ， 因此去除云噪声对于在图像分析之前 提高图像 质量 是非常重要 的。因为薄云在遥感 图像 中是低频分量 ， 同态滤波可以 修改的技术， 通常作如下假设 ： 用来去除薄 云。传统方法用整个 图像进行处理 ， 不仅耗时而且会破 ｆ １ ） 引起 图像质量 下降的噪声 占频谱的高频段； 坏无云 区域 。文献 ４提出了一种 自适应 同态滤波方法 。首先用 （ ２ ） 图像边缘 占高频段 ； Ｌ Ｉ Ｓ Ａ分析法提取云覆盖区域 ，然后通过计算 Ｄ Ｎ值来确定云厚度 ， （ ３ １ 图像 主体或灰度缓变区域 占低频段 。 基 于这些假设 ， 可 以对 频谱 的各个频段进行有选择性 的修改 。 和不同的截取频率 ，最后用 同态 滤波器用不 同的截 止频率进行 滤 二维正交变换是 图像处理 中常用 的变换， 其 特点是变换结果 的能量 波 。 分布向低频成份方 向集 中，图像的边缘，线条在高频成份上得到反 ２ ． ５ 图像编码 。压缩 的基本思想是正确表示图像时试图减少每 映， 因此正交变换在图像处理 中得到广泛运用。Ｆ Ｏ Ｕ Ｒ Ｉ Ｅ Ｒ作为一种 像 素的位数 ，图像压缩在大型医学 图像 和卫 星图像 中需求非 常大 ， 典型 的正交变换 ， 在数学上有 比较成熟和快速 的处理方法 。一般上 表现在存储代价和传输效率上 。编码 策略分为有损和无损类型。无 认为空 域的平滑处理对应 于频域的低通滤波而 空域 的锐化 处理对 损编码通常压缩率 比较低 ， 比如霍夫曼和算术编码 。基于傅里叶变 应 于高通滤波 。在压缩 编码 上往往舍弃高频分 量 的系数来 实现压 换的压缩方法 ， Ｄ Ｃ Ｔ或 Ｄ Ｆ Ｔ在研究低频 自然 图像时是有效率的。但 缩。 是这些变换 的很 多缺点是基函数很 长。 这在高精度下的低频 系数编 ２ 频域 图像 处理最新研究与应用 码上没有很 大问题 。 但是 ， 高频分量系数是粗糙量化的 ， 导致 图像重 ２ ． １图像融合与高通滤波 。一些 商用地球观测卫星带有 双分辨 建时边界质量会 比较低 。尖锐 的边界是用很多系数来表示 的， 全 部 率传感器 ， 能够提供空 间上全色 的高分辨率 图像 和多谱低分辨率 图 保 留才能有很高的保 真度 。 另外 ， 图像一般是非平稳的 ， 不 同区域有 像 。图像融合技术 用来将高分辨率谱 图像 和高分辨 率空间 图像 集 不 同的统计特性 ， 全部变换会损失非平稳 性 ， 在压缩效果上并不好 。 成， 产生 的融合图像既有谱 的高分辨 率也 有空间高分辨率。一些 图 文献 ５比较 了 Ｄ Ｃ Ｔ和小波在 图像编码 中的性能嗍 ， 实验 表明两种方 像融合方 法包 括 Ｉ Ｈ Ｓ ， Ｐ Ｃ和 Ｂ Ｔ提供 了优秀 的视 觉高分辨率 的多谱 法都 有能量相对凝结特性。 图像但是忽略了对高质量 的谱信息综合的需 求。 高质量 的谱信息综 ３ 结 论 合对大多数的基于谱 信号 的遥感应用是非常重要 的。 另一类 图像融 频域方法提供了认识和处理问题的另一种视角 ， 在一个域 中难 合技术 如高通滤波器在将从 空间高分辨率 多色图 中高频分 量注人 以处理 的问题 ， 也许在变 换域 中相对容易解决 ， 或能提 供解决 问题 多谱 图中， 再进行操作 。 这类方法提供 了很少的谱 失真。 实验 表明这 的思路。 本文中的新 的研究动态都是在传 统频域理论 的基础上进行 类方法保持 了谱特性的同事提高了其他性能 。【 １ Ｊ 扩展完善 和应 用 ， 所 以在 平时学习研究 中 ， 不仅要 紧跟最新 的研 究 ２ ． ２图像分辨率增强 与频谱修改 。现在用户对高分辨率的图像 动 向， 也要扎实打好基础 ， 才能更好 的理解解决 问题 的思路和原理 ， 和产 品需求很高 ， 在很多情况 下我们通过手机设 备传输 图像 ， 在传 才能为创新发展提供思路 。 输过程 中高分辨率 的图像通常被压缩以减少传输数据量。 实际上图 参考文献 像 已经被损坏 了，所 以图像分辨率增强技术的研究是非常必要 的。 ［ １ １ ］ Ｍｅ ｔ ｗ ａ ｌ ｌ ｉ ， Ｍ． Ｒ ．Ｉ ｍ ａ ｇ ｅ ｆ ｕ ｓ ｉ ｏ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｐ ｉ ｒ ｎ ｃ ｉ ｐ ａ ｌ ｃ ｏ ｍ ｐ ｏ ｎ ｅ ｎ ｔ ｎ ａ ｌ ｙ ｓ ｉ ｓ ａ ｎ ｄ ｈ ｉ ｇ ｈ－ ｐ ａ ｓ ｓ ｆ ｉ ｌ ｔ ｅ ｒ ．Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉｎ ｒ ｇ ＆ Ｓ ｙ ｓ ｔ ｅ ｍｓ ． 图像插值 和高分辨率 图像重建通常是图像放 大的方法 。 文献 ２提出 ａ 了一种通过加 强低 分辨率 图像 的高频 成分来达到增 强 图像分辨 率 ２ ０ １ １ ．Ｉ Ｃ ＣＥ Ｓ ２ ０ ０ ９ ．Ｉ ｎ ｔ ｅ ｒ ｎ ａ ｔ ｉ ｏ ｎ ａ ｌ 的方法 ， 实验 表明这种方法的性能相 比传统 的插值法 能提高 １ ３ — ２ ５ 【 ２ ］ Ｊ ｅ ｏ ｎ ｇ Ｈｏ Ｌ ｅ ｅ ， Ｋ ｉ Ｔ ａ ｅ Ｐ ａ ｒ ｋ ． Ｉ ｍ ａ ｇ ｅ Ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ Ｅ ｎ ｈ ａ ｎ ｃ ｅ ｍ ｅ ｎ ｔ ｂ ｙ 个百分点 圆 。 Ｍｏ ｄ ｉ ｆ ｙ ｉ ｎ ｇ ｔ ｈ ｅ Ｆ ｒ ｅ ｑ ｕ ｅ ｎ ｃ ｙ Ｓ ｐ ｅ ｃ ｔ ｒ ｕ ｍ． ２ ０ １ １ Ｉ ＥＥ Ｅ Ｉ ｎ ｔ ｅ ｒ ｎ ａ ｔ ｉ ｏ ｎ ａ ｌ ｃ ｏ ｎ ｆ ｅ ｒ —
简述空域处理方法和频域处理方法的区别
空域处理方法和频域处理方法是数字图像处理中常见的两种基本处理方法，它们在处理图像时有着不同的特点和适用范围。
下面将从原理、应用和效果等方面对两种处理方法进行简要介绍，并对它们的区别进行分析。
一、空域处理方法1. 原理：空域处理是直接对图像的像素进行操作，常见的空域处理包括图像增强、平滑、锐化、边缘检测等。
这些处理方法直接针对图像的原始像素进行操作，通过像素之间的关系来改变图像的外观和质量。
2. 应用：空域处理方法广泛应用于图像的预处理和后期处理中，能够有效改善图像的质量，增强图像的细节和对比度，以及减轻图像的噪声。
3. 效果：空域处理方法对图像的局部特征和细节有很好的保护和增强作用，能够有效地改善图像的视觉效果，提升图像的清晰度和质量。
二、频域处理方法1. 原理：频域处理是通过对图像的频率分量进行操作，常见的频域处理包括傅立叶变换、滤波、频域增强等。
这些处理方法将图像从空间域转换到频率域进行处理，再通过逆变换得到处理后的图像。
2. 应用：频域处理方法常用于图像的信号处理、模糊去除、图像压缩等方面，能够有效处理图像中的周期性信息和干扰信号。
3. 效果：频域处理方法能够在频率域对图像进行精细化处理，提高图像的清晰度和对比度，对于一些特定的图像处理任务有着独特的优势。
三、空域处理方法和频域处理方法的区别1. 原理不同：空域处理方法直接对图像像素进行操作，而频域处理方法是通过对图像进行频率分析和变换来实现图像的处理。
2. 应用范围不同：空域处理方法适用于对图像的局部特征和细节进行处理，而频域处理方法适用于信号处理和频率信息的分析。
3. 效果特点不同：空域处理方法能更好地保护和增强图像的细节和对比度，频域处理方法能更好地处理图像中的周期性信息和干扰信号。
空域处理方法和频域处理方法是数字图像处理中常用的两种处理方法，它们在原理、应用和效果等方面有着不同的特点和适用范围。
在实际应用中，可以根据图像的特点和处理需求选择合适的方法，以获得更好的处理效果。
5.图像的频域增强及傅里叶变换
5.图像的频域增强及傅里叶变换傅立叶变换在图像处理中有非常非常的作用。
因为不仅傅立叶分析涉及图像处理的很多方而，傅立叶的改进算法，比如离散余弦变换，gabor与小波在图像处理中也有重要的分量。
印象中，傅立叶变换在图像处理以下几个话题都有重要作用：1.图像增强与图像去噪绝大部分噪音都是图像的高频分呈：，通过低通滤波器来滤除髙频一一噪声；边缘也是图像的髙频分量，可以通过添加髙频分量来增强原始图像的边缘；2•图像分割Z边缘检测提取图像高频分量3.图像特征提取：形状特征：傅里叶描述子纹理特征：直接通过傅里叶系数来汁算纹理特征英他特征：将提取的特征值进行傅里叶变换来使特征具有平移、伸缩、旋转不变性4.图像压缩可以直接通过傅里叶系数来压缩数据：常用的离散余弦变换是傅立叶变换的实变换：傅立叶变换傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。
连续情况下要求原始信号在一个周期内满足绝对可积条件。
离散情况下，傅里叶变换一左存在。
冈萨雷斯版＜图像处理＞里而的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。
棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决泄。
傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。
当我们考虑光时, 讨论它的光谱或频率谱。
同样,傅立叶变换使我们能通过频率成分来分析一个函数。
傅立叶变换有很多优良的性质。
比如线性，对称性（可以用在计算信号的傅里叶变换里而）；时移性：函数在时域中的时移，对应于其在频率域中附加产生的相移，而幅度频谱则保持不变；频移性：函数在时域中乘以』wt,可以使整个频谱搬移W U这个也叫调制左理，通讯里而信号的频分复用需要用到这个特性（将不同的信号调制到不同的频段上同时传输）: 卷积泄理：时域卷积等于频域乘枳：时域乘积等于频域卷积（附加一个系数）。
（图像处理里而这个是个重点）信号在频率域的表现在频域中，频率越大说明原始信号变化速度越快：频率越小说明原始信号越平缓。
频域滤波增强原理及其基本步骤
频域滤波增强原理及其基本步骤1. 引言频域滤波增强是一种常用的图像增强技术，通过将图像从空域转换到频域进行滤波操作，然后再将图像从频域转换回空域，从而改善图像的质量。
本文将详细解释频域滤波增强的原理及其基本步骤。
2. 基本原理频域滤波增强的基本原理是利用图像在频域中的特性来进行图像增强。
在频域中，不同频率的成分对应着不同的图像细节信息。
通过选择性地增强或抑制不同频率成分，可以改变图像的对比度、清晰度和细节。
频域滤波增强主要依赖于傅里叶变换和逆傅里叶变换。
傅里叶变换将一个时域信号转换为其在频域中的表示，逆傅里叶变换则将一个频域信号转换回时域。
3. 常见步骤频域滤波增强通常包括以下几个步骤：步骤1：图像预处理在进行频域滤波增强之前，通常需要对图像进行预处理。
预处理包括去噪、平滑和锐化等操作。
去噪可以使用一些常见的降噪算法，如中值滤波、高斯滤波等。
平滑可以通过低通滤波器实现，用于抑制图像中的高频成分。
锐化可以通过高通滤波器实现，用于增强图像中的细节。
步骤2：傅里叶变换将经过预处理的图像进行傅里叶变换，将其转换为频域表示。
傅里叶变换将图像分解为一系列的正弦和余弦函数，每个函数对应一个特定的频率成分。
在频域中，低频成分对应着图像的整体亮度和颜色信息，而高频成分对应着图像的细节信息。
步骤3：频域滤波在频域中对图像进行滤波操作，选择性地增强或抑制不同频率成分。
常见的频域滤波器包括低通滤波器、高通滤波器、带通滤波器和带阻滤波器等。
低通滤波器可以保留图像中的低频成分，抑制高频成分，用于平滑图像。
高通滤波器可以抑制低频成分，增强高频细节，用于锐化图像。
步骤4：逆傅里叶变换将经过滤波操作的频域图像进行逆傅里叶变换，将其转换回时域表示。
逆傅里叶变换将频域信号重建为原始的时域信号。
通过逆傅里叶变换，我们可以得到经过频域滤波增强后的图像。
步骤5：后处理对经过逆傅里叶变换得到的图像进行后处理，包括亮度调整、对比度增强和锐化等操作。
数字图像处理之频率域图像增强
图像增强技术广泛应用于医学影 像、遥感、安全监控、机器视觉
等领域。
频率域图像增强的概念
01
频率域图像增强是指在频率域 对图像进行操作，通过改变图 像的频率成分来改善图像的质 量。
02
频率域增强方法通常涉及将图 像从空间域转换到频率域，对 频率域中的成分进行操作，然 后再将结果转换回空间域。
直方图规定化
直方图规定化是另一种频率域图像增强 方法，其基本思想是根据特定的需求或 目标，重新定义图像的灰度级分布，以
达到增强图像的目的。
与直方图均衡化不同，直方图规定化可 以根据具体的应用场景和需求，定制不 同的灰度级分布，从而更好地满足特定
的增强需求。
直方图规定化的实现通常需要先对原始 图像进行直方图统计，然后根据规定的 灰度级分布进行像素灰度值的映射和调
灵活性
频率域增强允许用户针对特定频率成 分进行调整，从而实现对图像的精细 控制。例如，可以增强高频细节或降 低噪声。
总结与展望 数字图像处理之频率域图像增强的优缺点
频谱混叠
在频率域增强过程中，如果不采取适 当的措施，可能会导致频谱混叠现象， 影响图像质量。
计算复杂度
虽然频率域增强可以利用FFT加速， 但对于某些复杂的图像处理任务，其 计算复杂度仍然较高。
傅立叶变换具有线性、平移不变性和周期性等性质，这些性质在图像增强中具有重 要应用。
傅立叶变换的性质
线性性质
傅立叶变换具有线性性质，即两 个函数的和或差经过傅立叶变换 后，等于它们各自经过傅立叶变
换后的结果的和或差。
平移不变性
傅立叶变换具有平移不变性，即 一个函数沿x轴平移a个单位后， 其傅立叶变换的结果也相应地沿
THANKS
图像处理中的图像质量评价与图像增强技术研究
图像处理中的图像质量评价与图像增强技术研究图像处理是一门研究如何利用计算机技术对图像进行处理和分析的学科。
在现代社会中，图像处理技术已经广泛应用于各个领域，如医学影像分析、远程感知、计算机视觉等。
然而，在图像处理的过程中，图像质量评价和图像增强技术是两个重要的问题。
本文将从图像质量评价和图像增强技术两个方面，来探讨图像处理中的相关研究内容。
一、图像质量评价图像质量评价是图像处理中常用的一个重要指标，它可以用来评价图像的清晰度、对比度和色彩等特征。
图像质量评价的目的是帮助我们找出图像中存在的问题，以便进一步采取措施对图像进行处理和修复。
1. 主观评价主观评价是人眼对图像质量的直观感受。
在主观评价中，一些训练有素的观察者被要求对一组图像进行评价，然后通过统计分析得到图像的质量评分。
主观评价的优点是能够真实地反映人眼对图像的感受，但其缺点在于评分的主观性和人为因素的干扰。
2. 客观评价客观评价是利用计算机算法对图像进行分析和评价。
常用的客观评价方法包括均方根误差（MSE）、峰值信噪比（PSNR）和结构相似性指标（SSIM）等。
这些评价指标可以通过计算图像的差异性来得到图像质量评分，客观评价的优点在于能够自动化地进行评价，但其缺点是无法完全代表人眼对图像的感受。
二、图像增强技术图像增强技术是指通过各种算法和方法对图像进行处理，以改善图像的质量和细节。
图像增强技术的目的是使图像更加清晰、锐利、对比度更高和色彩更鲜艳。
1. 空域增强技术空域增强技术是指在图像的像素级别上进行处理，包括直方图均衡化、空间滤波和锐化等。
其中，直方图均衡化是一种常用的增强技术，它通过对图像的像素值进行线性变换，使图像的直方图分布更均匀，从而增加图像的对比度和细节。
2. 频域增强技术频域增强技术是指将图像从空域转换到频域进行处理，然后再将图像转换回空域。
其中，快速傅里叶变换（FFT）和小波变换是常用的频域增强技术。
通过对图像的频谱进行分析和处理，可以改善图像的细节和对比度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
频域低通滤波器在滤除噪声的同时会造成图像模 糊，图像模糊的程度与截止频率有关；
高通滤波器可以增强图像的边缘，是实现图像边 缘检测的基础； 高通滤波器基本上抑制了图像中的平滑信息，因 此如要在保持图像基本信息的基础上实现锐化， 就需要采用高频加强技术； 带通和带阻滤波器在消除特定类型的噪声上有很 好的效果，它们也是彩色图像增强的技术基础； 同态滤波是一类利用图像的照明反射模型，同时 实现亮度动态范围压缩和图像对比度增强的技术
滤波器1
滤波器2
巴特沃思滤波器Butterworth
2.BLPF : H (u, v) 1 1 [ D(u, v) / D0 ]2 n
图6-7 BLPF特性曲线
BLPF的滤波结果
图6-8 二阶BLPF滤波的结果（a）原图像， （b）半径15，（b）半径30，（d）半径80
指数滤波器或高斯滤波器
图6-13 BHPF效果，从左到右依次为D0=15，30，80。比IHPF的结果平滑得多
高通滤波器效果2
图6-14 高斯高通滤波效果，从左到右依次为 D0=15 ，30 ，80 。
高频加强
H ' (u, v) H (u, v) c, 0 c 1. G' (u, v) F (u, v) H ' (u, v) F (u, v) H (u, v) cF (u, v)
D(u, v) {(u u0 )2 (v v0 )2}1 / 2
不围绕原点的情况
0, if H (u, v) 1, D1 (u, v) D0 or D2 (u, v) D0 else
D1(u, v) {(u u0 )2 (v v0 )2}1 / 2
图6-15 X光片原图； 高通滤波效果； 高频增强效果； 直方图均衡化效果
6.4带通（带阻）滤波器
抑制以点（u0,v0）为中心，D0为半径的邻域中所有 频率的理想带阻滤波器（IBPF）的转移函数为：
0, if H (u, v) 1, if D(u, v) D0 D(u, v) D0
-[D0 /D(u, v)]n
0, D(u , v) D0 ; [ D(u , v) D1 ] 4.THP F : H(u, v) , D0 D(u , v) D1 ; D0 D1 D(U , v) D1. 1,
HPF比较
高通滤波器效果1
图6-12 理想高通滤波效果，从左到右依次为D0=15，30，80。越小，振 铃效应越明显
f(x,y)
FFT
1
H(u,v) F(u,v) H(u,v)F(u,v)
G(u,v)
FFT-1
G(x,y)
需保留的频率分量：H(u,v)=1； 需抑制的频率分量：H(u,v)=0。
频域滤波流程
（1）对输入图像进行富里叶变换F(u,v) ； （2）设计适当的转移(滤波)函数H(u,v)，并 用H(u,v)乘以F(u,v)； （3）计算（2）所得结果的逆富里叶变换； （4）保留(3)结果的实部,得到滤波增强后的 图像g(x,y）。
第六章 图像频域增强
目的：改善图像的质量。 对某种具体的、特定的应用有益。 预处理
6.1频域增强原理滤波
g ( x, y) T 1 ( EH [T [ f ( x, y)]])
g ( x, y) h( x, y) * f ( x, y)
g (H(u,v)
图6-19用于同态滤波器中 圆对称滤波器函数的剖面。 Rl D(u,v)表示离原点的距离。
0
1
D(u,v)
同态滤波流程
f(x,y) ln FFT H(u,v)
g(x,y)
exp FFT-1
同态滤波效果
（a）原图，窗内无 细节
（b）滤波后窗内黑 暗处细节显现
频域滤波小结
物理可实现的低通滤波器的传递函数必须是连续 的。如果处处可导，滤波后的图像就不会出现振 铃效应； 频域低通滤波器的效果是去除图像中的高频噪声， 去噪声的能力与滤波器的形式以及截止频率有关；
u v
图 6-4 低通滤波器的能量与 D0 的关系（ a ）尺寸为 500500 像素的图像 （ b ）图像的 Fourier 谱。叠加的圆环分别具有 5 、 15 、 30 、 80 、 230 像 素的半径，分别包含的能量为90.0%、94.6%、96.4%、98.0%、99.55
图像处理效果
高通滤波器定义
0, if D(u, v) D0; 1.IHPF : H (u, v) 1, if D(u, v) D0 . D(u, v) u 2 v 2
1 2.BHPF : H (u, v) 1 [ D0 / D(u, v)]2 n
3.EHPF: H(u, v) e
3.ELPF : H(u, v) e
-[D(u, v)/D0 ]n
图 6-9高斯滤波器（ a ）传递函数的透视图；（ b）图像形式； （c）径向剖面图
ELPF的滤波效果
图6-10 高斯滤波器的处理效果， 从左到右依次为原图、半径15、30、80
6.3高通滤波器
图6-11 三种典型的高通滤波器，从上到下依次为理想高通滤 波器、巴特沃思高通滤波器、指数滤波器。
D2 (u, v) {(u u0 )2 (v v0 )2}1 / 2
围绕原点的模型
为消去围绕原点的一个频带，必须考虑周期性和对称性。 一个径向对称（放射对称）的理想带阻滤波器
W 1 , if D ( u , v ) D 0 2 W W H (u, v) 0, if D0 D(u, v) D0 2 2 W 1， if D(u, v) D0 2
（a）
（b）
（c）
图6-5 图像6-3（a）经过理想低通滤波器的结果， 对应的半径分别为15、30、80，滤去的能量为5.4%、3.6%、2%。
振铃效应
G(u,v)=H(u,v)F(u,v)
g(x,y)=h(x,y)*f(x,y)
图6-6（a）半径为5的脉冲图像 （b）相应的空间滤波器 （c）空域的5个脉冲（d）滤波结果
频率滤波
6.2频域低通滤波 6.3频域高通滤波(锐化) 6.4带通（带阻）滤波 6.5同态滤波 小结
6.2频域低通滤波
1, ifD(u, v) D0; 1.ILPF : H (u, v) 0, ifD(u, v) D0 . D(u, v) u 2 v2
巴特沃思带阻滤波器用于去噪 声
（a）被正弦噪声污染的图像 （b）图像（a）的频谱
（c）巴特沃思带阻滤波器 （d）图像（a）的滤波效果
6.5同态滤波器
f(x,y)=i(x,y)r(x,y), i(x,y)入射光, r(x,y)反射系数。 0< I(x,y)<,0 r(x,y)1. Let: z(x,y)=lnf(x,y)=lni(x,y)+lnr(x,y), Z(u,v)=I(u,v)+R(u,v), S(u,v)=Z(U,v)H(u,v) s(x,y)=F-1(S(u,v)). g(x,y)=exp{s(x,y)}.
图6-3理想低通滤波器（a）变换函数透视图；（b）图像方式 显示的滤波器（c）滤波器的剖面图
截止频率与所保留能量的关系
ET E (u, v)
u 0 v 0 N 1 N 1
E(u, v) R2 (u, v) I 2 (u, v)
100[ E (u, v) / ET ]