《精通Matlab数字图像处理与识别》一6.6 频率域高通滤波器-阿里云开发者社区

开发者社区> 人工智能> 正文

《精通Matlab数字图像处理与识别》一6.6 频率域高通滤波器

简介:

本节书摘来自异步社区《精通Matlab数字图像处理与识别》一书中的第6章,第6.6节,作者 张铮 , 倪红霞 , 苑春苗 , 杨立红,更多章节内容可以访问云栖社区“异步社区”公众号查看

6.6 频率域高通滤波器

精通Matlab数字图像处理与识别
图像锐化可以通过衰减图像频谱中的低频成份来实现,这就建立了空间域图像锐化与频域高通滤波之间对应关系。

6.6.1 高斯高通滤波器及其实现

1.理论基础
从6.5.2小节高斯低通滤波器中的H(u)图像,可以发现滤波器中心频率处的值即为其最大值1,如果需要做相反的滤波操作,滤除低频成份而留下高频成份,则可以考虑简单地使用如下表达式来获得一个高斯高通滤波器。
image

因此,高斯高通滤波器的频域特性曲线如图6.23所示(仍旧以一维情况为例)。

image

2.Matlab实现
根据上面二维高斯高通滤波器的定义,可以编写高斯高通滤波器的生成函数如下,该函数被封装在金羽图书论坛(http://bbs.book95.com)的“金羽图书与答疑”板块与本书同名的主题帖子附件的“chapter6/code”目录下的imgaussfhpf.m文件中。

function out = imgaussfhpf(I, sigma)
% imgaussfhpf函数            构造频域高斯高通滤波器
% I参数                    输入的灰度图像
% sigma参数                高斯函数的Sigma参数

[M,N] = size(I);
out = ones(M,N);
for i=1∶M
    for j=1∶N
        out(i,j) = 1 - exp(-((i-M/2)^2+(j-N/2)^2)/2/sigma^2);
    end
end

下面的例6.5给出了针对Matlab示例图像coins.png,sigma取不同值时高斯高通滤波的Matlab程序。

[例6.5]高斯高通滤波实现。

I = imread('coins.png');

% 生成滤镜
ff = imgaussfhpf (I, 20);
% 应用滤镜
out = imfreqfilt(I, ff);

figure (1);
subplot(2,2,1);
imshow(I);
title('Source');

% 计算FFT并显示
temp = fft2(double(I));
temp = fftshift(temp);
temp = log(1 + abs(temp));
figure (2);
subplot(2,2,1);
imshow(temp, []);
title('Source');

figure (1);
subplot(2,2,2);
imshow(out);
title('Gauss HPF, sigma=20');

% 计算FFT并显示
temp = fft2(out);
temp = fftshift(temp);
temp = log(1 + abs(temp));
figure (2);
subplot(2,2,2);
imshow(temp, []);
title('Gauss HPF, sigma=20');

% 生成滤镜
ff = imgaussfhpf (I, 40);
% 应用滤镜
out = imfreqfilt(I, ff);

figure (1);
subplot(2,2,3);
imshow(out);
title('Gauss HPF, sigma =40');

% 计算FFT并显示
temp = fft2(out);
temp = fftshift(temp);
temp = log(1 + abs(temp));
figure (2);
subplot(2,2,3);
imshow(temp, []);
title('Gauss HPF, sigma =40');

% 生成滤镜
ff = imgaussfhpf(I, 60);
% 应用滤镜
out = imfreqfilt(I, ff);

figure (1);
subplot(2,2,4);
imshow(out);
title('Gauss HPF, sigma =60');

% 计算FFT并显示
temp = fft2(out);
temp = fftshift(temp);
temp = log(1 + abs(temp));
figure (2);
subplot(2,2,4);
imshow(temp, []);
title('Gauss HPF, sigma =60');

上述程序运行后得到的滤波效果如图6.24所示。
image

高斯高通滤波器可以较好地提取图像中的边缘信息,Sigma参数取值越小,边缘提取越不精确,会包含越多的非边缘信息;Sigma参数取值越大,边缘提取越精确,但可能包含不完整的边缘信息。

6.6.2 频域拉普拉斯滤波器及其实现

1.理论基础
频域拉普拉斯算子的推导可以从一维开始,由傅立叶变换的性质可知

image

2.Matlab实现
根据式(6-58),可以编写拉普拉斯频域滤波器的生成函数如下,该函数被封装在金羽图书论坛(http://bbs.book95.com)的“金羽图书与答疑”板块与本书同名的主题帖子附件的“chapter6/code”目录下的imlapf.m文件中。

function out = imlapf(I)
% imlapf函数   构造频域拉普拉斯滤波器
% I参数    输入的灰度图像
[M,N] = size(I);
out = ones(M,N);
for i=1∶M
    for j=1∶N
        out(i,j) = -((i-M/2)^2+(j-N/2)^2);
    end
end
下面的例6.6给出了对Matlab示例图像coins.png进行频域拉普拉斯滤波的Matlab程序。

[例6.6] 拉普拉斯滤波实现。

I = imread('coins.png');

ff = imlapf (I);
out = imfreqfilt(I, ff);

figure (1);
subplot(1,2,1);
imshow(I);
title('Source');

temp = fft2(double(I));
temp = fftshift(temp);
temp = log(1 + abs(temp));
figure (2);
subplot(1,2,1);
imshow(temp, []);
title('Source');

figure (1);
subplot(1,2,2);
imshow(out);
title('Laplace Filter');

temp = fft2(out);
temp = fftshift(temp);
temp = log(1 + abs(temp));
figure (2);
subplot(1,2,2);
imshow(temp, []);
title('Laplace Filter');

上述程序运行后得到的滤波效果如图6.26所示。

image

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
人工智能
使用钉钉扫一扫加入圈子
+ 订阅

了解行业+人工智能最先进的技术和实践,参与行业+人工智能实践项目

其他文章