机器视觉（六）：频域图像增强

目录机器视觉一概述机器视觉二机器视觉硬件技术机器视觉三摄像机标定技术机器视觉四空域图像增强机器视觉五机器视觉与世界杯机器视觉六频域图像增强机器视觉七图像分割机器视觉八图像特征提取机器视觉九图像配准以下为正文频域法是在图像的频率变化域中对图像的变换值进行某种运算处理然后再变回空间域中。一、频域图像增强的原理低通滤波器高通滤波器带通滤波器带阻滤波器二、低通滤波器1.理想低通滤波器2.巴特沃斯低通滤波器滤除高频分量90%去除噪声的同时易丢失图像的细节信息三、高通滤波器1.理想高通滤波器2.巴特沃斯高通滤波器突出高频的同时不损害图像的低频部分使图像不会模糊四、带通与带阻滤波1.带阻滤波器2.带通滤波器五、同态滤波同态滤波是一种在频域中同时将图像亮度范围进行压缩和将图像对比度进行增强的方法。六、上述滤波器的MATLAB实现Ffft2(f); %对图像进行傅立叶变换 Sfftshift(log(1abs(F))); %对变换后图像进行对数变化并对其坐标平移使其中心化 hfspecial(sobel); %产生空间‘sobel’模板 Hfreqz2(h,f(1),f(2)); %产生频域中的‘sobel’滤波器 AAAimnoise(A,‘salt pepper’,0.25);%加椒盐噪声 d050; %阈值 img_noiseimnoise(img_origin,salt); % 加椒盐噪声img_noiseimnoise(img_origin,gaussian); % 加高斯噪声img_ffftshift(fft2(img_noise)); %傅里叶变换得到频谱 [m n]size(img_f); m_midfix(m/2); %取整 n_midfix(n/2); img_lpfzeros(m,n); for i1:m for j1:n dsqrt((i-m_mid)^2(j-n_mid)^2); %理想低通滤波求距离 if dd0 h(i,j)1; else h(i,j)0; end img_lpf(i,j)h(i,j)*img_f(i,j); end end img_lpfifftshift(img_lpf); %反傅里叶变换 img_lpfuint8(real(ifft2(img_lpf))); %取实数部分 subplot(2,2,1);imshow(ggray);title(原图); subplot(2,2,2);imshow(img_noise);title(噪声图); subplot(2,2,3);imshow(img_lpf);title(理想低通滤波);