灰度图像--频域滤波 滤波器

学习DIP第26天

转载请标明本文出处：http://blog.csdn.net/tonyshengtan，欢迎大家转载，发现博客被某些论坛转载后，图像无法正常显示，无法正常表达本人观点，对此表示很不满意。有些网站转载了我的博文，很开心的是自己写的东西被更多人看到了，但不开心的是这段话被去掉了，也没标明转载来源，虽然这并没有版权保护，但感觉还是不太好，出于尊重文章作者的劳动，转载请标明出处！！！！

文章代码已托管，欢迎共同开发：https://github.com/Tony-Tan/DIPpro

开篇废话

依然是废话开始，滤波器的起源就是频域来的，针对频域特性，滤波器被设计成各种各样的功能，但是频域滤波器都是线性的，转换到空域生成的卷积模板也是线性的，而有些从空域出发设计的滤波模板并不是线性的，判断是不是线性可以使用以下判断方法，也是信号与系统中常用的方法，F(ax+by)==aF(x)+bF(y)如果满足就是线性的，不满足则不是。常见的滤波模板中涉及到排序的，都不是线性模板，而通过频域设计然后转换为空域模板的，都是线性的模板。

由于滤波原理上一篇中已经做了详细的介绍，本篇主要记录几种常见的滤波器，并分析其滤波特点。主要介绍内容如下：



由于同态滤波的特殊性，将在下一篇中介绍，对于每种滤波器，都会分析其功率和振铃现象。

现在给出一个常用的距离函数，将在所有下面所有滤波器中使用，使用欧氏距离，因为频率域的距离代表的是带宽，所以，截止频率，带宽意义重大（P,Q）为频谱大小，也是上篇中填充后的空域图像大小，并且我们使用的频谱都是中心化了的：



测试图片为：



平滑-低通滤波器

低通滤波器，顾名思义，只通过低频信号截断高频成分，在频谱中，中间部分为低频，四周为高频，截断点由滤波器的宽度决定，也就是截止频率，不同的截止频率对应于不同的效果和不同的剩余功率。

ILPF

理想低通滤波器，就是简单的截断，或者说设置一个频率阈值，大于阈值的频谱置零，小于等于阈值的不变：



这个效果就是频域的一个圆形，我们来观察，频域截止频率为50，P，Q为512的ILPF：



下面来观察滤波器在截止频率为10，20，30的振铃和频率特性：

截止频率10，滤波后剩余功率50.196378%，有振铃：



截止频率20，滤波后剩余功率78.559714%，有振铃：



截止频率30，滤波后剩余功率88.736089%，有振铃：

BLPF

布特沃斯低通滤波器，采用布特沃斯公式，产生一种低阶时转折平滑，高阶时转折尖锐的滤波器：



示意图如下：

下面观察2阶和10阶布特沃斯滤波器在截止频率10，20，30时的表现：

2阶：

截止频率10，滤波后剩余功率40.044113%，无振铃：



截止频率20，滤波后剩余功率59.692304%，无振铃：



截止频率30，滤波后剩余功率70.964773%，无振铃：



10阶：

截止频率10，滤波后剩余功率46.72560%，有振铃：




截止频率20，滤波后剩余功率74.527332%，有振铃：



截止频率30，滤波后剩余功率86.566573%，有振铃：

GLPF
由高斯公式产生的滤波器，由于高斯的傅里叶变换还是高斯的，所以变换无振铃效应：

滤波器示意图：



观察高斯滤波器在截止频率10，20，30时的表现：

截止频率10，滤波后剩余功率45036072%，无振铃：



截止频率20，滤波后剩余功率66.908677%，无振铃：



截止频率30，滤波后剩余功率77.419008%，无振铃：

锐化-高通滤波器

与低频对应的就是高频滤波器，同样我们介绍理想高通，布特沃斯高通，高斯高通，并提出钝化高提升高频强调滤波器；

IHPF

理想高通的滤波器示意图：



同样观察截止频率为10，20，30的滤波效果和振铃效应：
截止频率10，滤波后剩余功率51.407872%，有振铃：



截止频率20，滤波后剩余功率23.044536%，有振铃：



截止频率30，滤波后剩余功率12.868162%，有振铃：

BHPF

与低通布特沃斯相似，高通布特沃斯滤波器也是一种低阶时转折平滑，高阶时转折尖锐的滤波器



我们同样观察2阶和10阶的布特沃斯在截止频率为10，20，30时的效果和振铃现象：

2阶：

截止频率10，滤波后剩余功率34.679332%，无振铃：



截止频率20，滤波后剩余功率18.029713%，无振铃：



截止频率30，滤波后剩余功率11.967571%，无振铃：



10阶：

截止频率10，滤波后剩余功率46.760049%，有振铃：



截止频率20，滤波后剩余功率20.167635%，有振铃：



截止频率30，滤波后剩余功率12.362897%，有振铃：

GHPF

与低通一致，高斯高通滤波器为：



示意图：



观察截止频率为10，20，30的滤波效果和振铃效应：

截止频率10，滤波后剩余功率34.706478%，无振铃：



截止频率20，滤波后剩余功率16.325098%，无振铃：



截止频率30，滤波后剩余功率11.140692%，无振铃：



部分代码

低通：

#include "lowpassfilter.h"
static double Distance(int x,int y,int c_x,int c_y){

    return sqrt((x-c_x)*(x-c_x)+(y-c_y)*(y-c_y));
}

void IdealLPFilter(double *Filter,int width,int height,double cut_off_frequency){
    int center_x=width/2;
    int center_y=height/2;
    double distance=0.0;
    for(int i=0;i<width;i++)
        for(int j=0;j<height;j++){
            distance=Distance(i,j,center_x,center_y);
            if(distance<=cut_off_frequency)
                Filter[j*width+i]=1.0;
            else
                Filter[j*width+i]=0.0;
        }

}
void ButterworthLPfilter(double *Filter,int width,int height,double cut_off_frequency,int n){
    int center_x=width/2;
    int center_y=height/2;
    for(int i=0;i<width;i++)
        for(int j=0;j<height;j++){
            double value=1.0;
            for(int k=0;k<n;k++)
                value*=(Distance(i, j, center_x, center_y)/cut_off_frequency);
            Filter[j*width+i]=1/(1+value);
        }
}
void GaussianLPFilter(double *Filter,int width,int height,double cut_off_frequency){
    int center_x=width/2;
    int center_y=height/2;
    for(int i=0;i<width;i++)
        for(int j=0;j<height;j++){
            double value=Distance(i, j, center_x, center_y);
            Filter[j*width+i]=exp(-value*value/(2*cut_off_frequency*cut_off_frequency));
        }
}

高通：

#include "highpassfilter.h"
static double Distance(int x,int y,int c_x,int c_y){
    
    return sqrt((x-c_x)*(x-c_x)+(y-c_y)*(y-c_y));
}

void IdealHPFilter(double *Filter,int width,int height,double cut_off_frequency){
    int center_x=width/2;
    int center_y=height/2;
    double distance=0.0;
    for(int i=0;i<width;i++)
        for(int j=0;j<height;j++){
            distance=Distance(i,j,center_x,center_y);
            if(distance<=cut_off_frequency)
                Filter[j*width+i]=0.0;
            else
                Filter[j*width+i]=1.0;
        }
    Filter[width*(height+1)/2]+=1.0;
}
void ButterworthHPfilter(double *Filter,int width,int height,double cut_off_frequency,int n){
    int center_x=width/2;
    int center_y=height/2;
    for(int i=0;i<width;i++)
        for(int j=0;j<height;j++){
            double value=1.0;
            for(int k=0;k<n;k++)
                value*=(Distance(i, j, center_x, center_y)/cut_off_frequency);
            Filter[j*width+i]=1.0-1.0/(1.0+value);
        }
    Filter[width*(height+1)/2]+=1.0;
}
void GaussianHPFilter(double *Filter,int width,int height,double cut_off_frequency){
    int center_x=width/2;
    int center_y=height/2;
    for(int i=0;i<width;i++)
        for(int j=0;j<height;j++){
            double value=Distance(i, j, center_x, center_y);
            Filter[j*width+i]=1.0-exp(-value*value/(2*cut_off_frequency*cut_off_frequency));
        }
    Filter[width*(height+1)/2]+=1.0;
}

钝化，高提升，高频强调

将高通滤波后的结果与原图进行一些加减，将得到钝化，高提升高频强调滤波器
对于下面公式k1控制距离原点的偏移量，k2控制高频贡献。

k1=1时k2=1为钝化模板
k1=1时k2>1为高提升滤波器
k1=1时，统称高频强调滤波器

具体性质据定于所选用的滤波模板，与上面叙述的模板性质和截止频率有关，在这里不详细叙述。



代码：

#include "Homomorphicfilter.h"

static double Distance(int x,int y,int c_x,int c_y){
    
    return sqrt((x-c_x)*(x-c_x)+(y-c_y)*(y-c_y));
}

void HomorphicFilter(double *filter,int width,int height,double cut_off_frequency,double lambda_l,double lambda_h,double c){
    int center_x=width/2;
    int center_y=height/2;
    double distance;
    double distance_2;
    double cut_off_frequency_2=cut_off_frequency*cut_off_frequency;
    for(int i=0;i<height;i++)
        for(int j=0;j<width;j++){
            distance=Distance(j, i, center_x, center_y);
            distance_2=distance*distance;
            filter[i*width+j]=(lambda_h-lambda_l)*(1.0-exp(-c*distance_2/cut_off_frequency_2))+lambda_l;
            
        }

}

总结

总结一下，这篇的理论在前面已经介绍了，所以更多是验证前面的结论，观察滤波效果。滤波中值得注意的是振铃现象，对于不能容忍人工缺陷的应用中，如医学图像处理，不能使用带有振铃现象的滤波器，在实际物理中，理想滤波器无法实现，所以更多的使用高斯和其他一些无振铃的滤波器