吉木萨尔县建设局网站,天津津坤科技发展有限公司,seo公司 上海,网站 名词解释【OpenCV 例程200篇】78. 频率域图像滤波基础 欢迎关注 『OpenCV 例程200篇』 系列#xff0c;持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列#xff0c;持续更新中 3. 频率域低通滤波器
图像变换是对图像信息进行变换#xff0c;使能量保持但重新分配#xff0…【OpenCV 例程200篇】78. 频率域图像滤波基础 欢迎关注 『OpenCV 例程200篇』 系列持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列持续更新中 3. 频率域低通滤波器
图像变换是对图像信息进行变换使能量保持但重新分配以便于滤除噪声、加强感兴趣的部分或特征。
3.1 频率域图像滤波基础
傅里叶变换的目的是将图像从空间域转换到频率域在频率域内实现对图像中特定信息的处理在图像分析、图像增强、图像去噪、边缘检测、特征提取、图像压缩和加密中都有重要的应用。
空间取样和频率间隔是相互对应的频域中样本之间的间隔与空间样本之间的间隔及样本数量的乘积成反比。
空间域滤波器和频率域滤波器也是相互对应的二者形成一个傅里叶变换对 f(x,y)⊗h(x,y)⇔F(u,v)H(u,v)f(x,y)h(x,y)⇔F(u,v)⊗H(u,v)f(x,y) \otimes h(x,y) \Leftrightarrow F(u,v)H(u,v) \\f(x,y) h(x,y) \Leftrightarrow F(u,v) \otimes H(u,v) f(x,y)⊗h(x,y)⇔F(u,v)H(u,v)f(x,y)h(x,y)⇔F(u,v)⊗H(u,v) 也就是说空间域滤波器和频率域滤波器实际上是相互对应的有些空间域滤波器在频率域通过傅里叶变换实现会更方便、更快速。
对信号或图像进行傅里叶变换后可以得到信号或图像的低频信息和高频信息。低频信息对应图像中缓慢变化的灰度分量高频信息则对应尖锐变化的灰度分量。
低通滤波就是保留傅里叶变换的低频信息、削弱高频信息而高通滤波则是保留傅里叶变换的高频信息、削弱低频信息。
低频滤波器本质上就是构造一个矩阵越靠近中心的位置越接近于 1而远离中心位置的值则接近于 0。简单地生成一个矩形窗口遮罩在黑色置 0遮罩图像的中心开有白色置 1窗口就得到一个低通滤波器。 例程 8.13简单的频率域图像滤波 # 8.13简单的频率域图像滤波(窗口遮罩低通滤波器)imgGray cv2.imread(../images/imgLena.tif, flags0) # flags0 读取为灰度图像height, width imgGray.shape[:2] # 图片的高度和宽度centerY, centerX int(height/2), int(width/2) # 图片中心# 1首先对图像进行傅里叶变换imgFloat32 np.float32(imgGray) # 将图像转换成 float32dft cv2.dft(imgFloat32, flagscv2.DFT_COMPLEX_OUTPUT) # 傅里叶变换dftShift np.fft.fftshift(dft) # 将低频分量移动到频域图像的中心d [20, 40, 80]plt.figure(figsize(9, 6))for i in range(3):# 构造低通滤波器矩形窗口遮罩 maskmask np.zeros((height, width, 2), np.uint8)mask[centerY-d[i]:centerYd[i], centerX-d[i]:centerXd[i]] 1 # 设置低通滤波矩形窗口遮罩过滤高频maskAmp np.uint8(np.sqrt(np.power(mask[:,:,0], 2) np.power(mask[:,:,1], 2)))print(d{}, maskAmp: max{}, min{}.format(d[i],maskAmp.max(), maskAmp.min()))# 2然后在频率域修改傅里叶变换dftMask dftShift * mask # 修改傅里叶变换实现滤波# 3最后通过傅里叶逆变换返回空间域iShift np.fft.ifftshift(dftMask) # 将低频逆转换回图像四角iDft cv2.idft(iShift) # 逆傅里叶变换imgRebuild cv2.magnitude(iDft[:,:,0], iDft[:,:,1]) # 重建图像plt.subplot(2,3,i1), plt.title(Mask (d{}).format(d[i])), plt.axis(off)plt.imshow(maskAmp, cmapgray)plt.subplot(2,3,i4), plt.title(LowPass (d{}).format(d[i])), plt.axis(off)plt.imshow(imgRebuild, cmapgray)plt.tight_layout()plt.show()程序说明
本例程构造了不同尺寸的矩形窗口遮罩中心低频置 1白色四周高频置 0黑色是一种低通滤波器。
低通滤波遮罩 mask 与图像傅里叶变换 dftShift 相乘就使傅里叶变换的高频部分为 0从而屏蔽原始图像中高频信号实现了低通滤波。
类似地将本例程中的低通滤波矩形窗口遮罩反向改为中心高频置 0黑色四周低频置 1白色就是一种高通滤波器可以实现图像锐化和边缘提取。
本节完 版权声明
youcansxupt 原创作品转载必须标注原文链接
Copyright 2021 youcans, XUPT
Crated2022-1-20 欢迎关注 『OpenCV 例程200篇』 系列持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列持续更新中 【OpenCV 例程200篇】01. 图像的读取cv2.imread 【OpenCV 例程200篇】02. 图像的保存cv2.imwrite 【OpenCV 例程200篇】03. 图像的显示cv2.imshow 【OpenCV 例程200篇】04. 用 matplotlib 显示图像plt.imshow 【OpenCV 例程200篇】05. 图像的属性np.shape 【OpenCV 例程200篇】06. 像素的编辑img.itemset 【OpenCV 例程200篇】07. 图像的创建np.zeros 【OpenCV 例程200篇】08. 图像的复制np.copy 【OpenCV 例程200篇】09. 图像的裁剪cv2.selectROI 【OpenCV 例程200篇】10. 图像的拼接np.hstack 【OpenCV 例程200篇】11. 图像通道的拆分cv2.split 【OpenCV 例程200篇】12. 图像通道的合并cv2.merge 【OpenCV 例程200篇】13. 图像的加法运算cv2.add 【OpenCV 例程200篇】14. 图像与标量相加cv2.add 【OpenCV 例程200篇】15. 图像的加权加法cv2.addWeight 【OpenCV 例程200篇】16. 不同尺寸的图像加法 【OpenCV 例程200篇】17. 两张图像的渐变切换 【OpenCV 例程200篇】18. 图像的掩模加法 【OpenCV 例程200篇】19. 图像的圆形遮罩 【OpenCV 例程200篇】20. 图像的按位运算 【OpenCV 例程200篇】21. 图像的叠加 【OpenCV 例程200篇】22. 图像添加非中文文字 【OpenCV 例程200篇】23. 图像添加中文文字 【OpenCV 例程200篇】23. 图像添加中文文字 【OpenCV 例程200篇】24. 图像的仿射变换 【OpenCV 例程200篇】25. 图像的平移 【OpenCV 例程200篇】26. 图像的旋转以原点为中心 【OpenCV 例程200篇】27. 图像的旋转以任意点为中心 【OpenCV 例程200篇】28. 图像的旋转直角旋转 【OpenCV 例程200篇】29. 图像的翻转cv2.flip 【OpenCV 例程200篇】30. 图像的缩放cv2.resize 【OpenCV 例程200篇】31. 图像金字塔cv2.pyrDown 【OpenCV 例程200篇】32. 图像的扭变错切 【OpenCV 例程200篇】33. 图像的复合变换 【OpenCV 例程200篇】34. 图像的投影变换 【OpenCV 例程200篇】35. 图像的投影变换边界填充 【OpenCV 例程200篇】36. 直角坐标与极坐标的转换 【OpenCV 例程200篇】37. 图像的灰度化处理和二值化处理 【OpenCV 例程200篇】38. 图像的反色变换图像反转 【OpenCV 例程200篇】39. 图像灰度的线性变换 【OpenCV 例程200篇】40. 图像分段线性灰度变换 【OpenCV 例程200篇】41. 图像的灰度变换灰度级分层 【OpenCV 例程200篇】42. 图像的灰度变换比特平面分层 【OpenCV 例程200篇】43. 图像的灰度变换对数变换 【OpenCV 例程200篇】44. 图像的灰度变换伽马变换 【OpenCV 例程200篇】45. 图像的灰度直方图 【OpenCV 例程200篇】46. 直方图均衡化 【OpenCV 例程200篇】47. 图像增强—直方图匹配 【OpenCV 例程200篇】48. 图像增强—彩色直方图匹配 【OpenCV 例程200篇】49. 图像增强—局部直方图处理 【OpenCV 例程200篇】50. 图像增强—直方图统计量图像增强 【OpenCV 例程200篇】51. 图像增强—直方图反向追踪 【OpenCV 例程200篇】52. 图像的相关与卷积运算 【OpenCV 例程200篇】53. Scipy 实现图像二维卷积 【OpenCV 例程200篇】54. OpenCV 实现图像二维卷积 【OpenCV 例程200篇】55. 可分离卷积核 【OpenCV 例程200篇】56. 低通盒式滤波器 【OpenCV 例程200篇】57. 低通高斯滤波器 【OpenCV 例程200篇】58. 非线性滤波—中值滤波 【OpenCV 例程200篇】59. 非线性滤波—双边滤波 【OpenCV 例程200篇】60. 非线性滤波—联合双边滤波 【OpenCV 例程200篇】61. 导向滤波Guided filter 【OpenCV 例程200篇】62. 图像锐化——钝化掩蔽 【OpenCV 例程200篇】63. 图像锐化——Laplacian 算子 【OpenCV 例程200篇】64. 图像锐化——Sobel 算子 【OpenCV 例程200篇】65. 图像锐化——Scharr 算子 【OpenCV 例程200篇】66. 图像滤波之低通/高通/带阻/带通 【OpenCV 例程200篇】67. 空间域图像增强的综合应用 【OpenCV 例程200篇】68. 空间域图像增强的综合应用 【OpenCV 例程200篇】69. 连续非周期信号的傅立叶系数 【OpenCV 例程200篇】70. 一维连续函数的傅里叶变换 【OpenCV 例程200篇】71. 连续函数的取样 【OpenCV 例程200篇】72. 一维离散傅里叶变换 【OpenCV 例程200篇】73. 二维连续傅里叶变换 【OpenCV 例程200篇】74. 图像的抗混叠 【OpenCV 例程200篇】75. Numpy 实现图像傅里叶变换 【OpenCV 例程200篇】76. OpenCV 实现图像傅里叶变换 【OpenCV 例程200篇】77. OpenCV 实现快速傅里叶变换 【OpenCV 例程200篇】78. 频率域图像滤波基础 【OpenCV 例程200篇】79. 频率域图像滤波的基本步骤 【OpenCV 例程200篇】80. 频率域图像滤波详细步骤 【OpenCV 例程200篇】81. 频率域高斯低通滤波器 【OpenCV 例程200篇】82. 频率域巴特沃斯低通滤波器 【OpenCV 例程200篇】83. 频率域低通滤波印刷文本字符修复 【OpenCV 例程200篇】84. 由低通滤波器得到高通滤波器 【OpenCV 例程200篇】85. 频率域高通滤波器的应用 【OpenCV 例程200篇】86. 频率域滤波应用指纹图像处理 【OpenCV 例程200篇】87. 频率域钝化掩蔽 【OpenCV 例程200篇】88. 频率域拉普拉斯高通滤波 【OpenCV 例程200篇】89. 带阻滤波器的传递函数 【OpenCV 例程200篇】90. 频率域陷波滤波器 【OpenCV 例程200篇】91. 高斯噪声、瑞利噪声、爱尔兰噪声 【OpenCV 例程200篇】92. 指数噪声、均匀噪声、椒盐噪声 【OpenCV 例程200篇】93. 噪声模型的直方图 【OpenCV 例程200篇】94. 算术平均滤波器 【OpenCV 例程200篇】95. 几何均值滤波器 【OpenCV 例程200篇】96. 谐波平均滤波器 【OpenCV 例程200篇】97. 反谐波平均滤波器 【OpenCV 例程200篇】98. 统计排序滤波器 【OpenCV 例程200篇】99. 修正阿尔法均值滤波器 【OpenCV 例程200篇】100. 自适应局部降噪滤波器
