一文讲懂图像处理中的低通、高通、带阻和带通滤波器

共 2547字,需浏览 6分钟

 ·

2022-02-22 12:33

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

空间域和频域滤波器通常分为四种类型的滤波器——低通、高通、带阻和带通滤波器。在本文中,我们为每一种滤波器提供了注释、代码示例和图像输出。


滤波器类型



  • 低通滤波器:只允许通过低频细节,衰减高频细节。例如:平滑滤波器。

  • 高通滤波器:只允许通过高频细节,衰减低频细节。例如:锐化蒙版滤波器。

  • 带阻滤波器:衰减一定频率范围内的信号。允许低于某个阈值或高于另一个阈值的频率通过。

  • 带通滤波器:只允许特定频带内的信号通过,允许高于低阈值和低于高个阈值的频率通过。


我们可以将不同滤波器用如下的公式来表示


其中δ(x, y)是单位脉冲核


使用Zone板来展示不同滤波器的效果


Zone板是用于测试过滤器特性的一种测试板,有很多中版本。本文我们使用如下方程生成我们的要用的Zone板。

其中 x,y 是递增步长0.0275,取值范围在[-8.2, 8.2]的一组数,最终形成一个 597x597 的图像,样子如下所示


具体的代码如下:

def zone(x, y):    return 0.5 * (1 + math.cos(x * x + y * y))
SIZE = 597image = np.zeros((SIZE, SIZE))
start = -8.2end = 8.2step = 0.0275
def dist_center(y, x): global SIZE center = SIZE / 2 return math.sqrt( (x - center)**2 + (y - center)**2)
for y in range(0, SIZE): for x in range(0, SIZE): if dist_center(y, x) > 300: continue y_val = start + y * step x_val = start + x * step image[y, x] = zone(x_val, y_val)



接下来我们将通过代码展示如何使用各种滤波器,以及展示每个滤波器对Zone板的处理结果。


低通滤波器

kernel_size = 15
lowpass_kernel_gaussian = gkern(kernel_size)lowpass_kernel_gaussian = lowpass_kernel_gaussian / lowpass_kernel_gaussian.sum()
lowpass_kernel_box = np.ones((kernel_size, kernel_size))lowpass_kernel_box = lowpass_kernel_box / (kernel_size * kernel_size)
lowpass_image_gaussian = cv2.filter2D(image, -1, lowpass_kernel_gaussian)lowpass_image_box = cv2.filter2D(image, -1, lowpass_kernel_box)



高通滤波器

在空间域中,可以通过从图像本身中减去低通滤波图像来获得高通滤波图像(如非锐化掩模)

highpass_image_gaussian = image - lowpass_image_gaussianhighpass_image_gaussian = np.absolute(highpass_image_gaussian)
highpass_image_box = image - lowpass_image_boxhighpass_image_box = np.absolute(highpass_image_box)




带阻滤波器

在空间域中,可以通过将低通滤波与高通滤波图像(在不同阈值下)相加来获得带阻滤波图像。

bandreject_image = lowpass_image_gaussian + highpass_image_box




带通滤波器

在空间域中,可以通过从图像本身中减去带阻滤波图像来获得带通滤波图像。

bandpass_image = image - bandreject_imagebandpass_image = np.absolute(bandpass_image)



最后,各位小伙伴可以比较一下不同滤波器对同一图像的处理结果哦。仔细理解一下低通、高通、带阻、带通的含义。


下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。


交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 51
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报