Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
8.4. ПРОСТРАНСТВЕННАЯ ФИЛЬТРАЦИЯВ предыдущем разделе мы показали, что взаимная корреляция может вычисляться на плоскости частот простым перемножением спектров. В данном разделе нам хотелось бы рассмотреть несколько более детально, в чем заключается смысл перемножения спектров, и указать некоторые другие приложения. Введем сначала несколько терминов. Пусть у нас есть первоначальная входная функция интенсивности
представляет собой спектр Фурье выходного сигнала фильтра. Выходная функция интенсивности
где
Функция
Таким образом, функция Теорема о свертке позволяет нам интерпретировать процесс пространственной фильтрации двумя различными способами: выходной сигнал фильтра можно считать либо сверткой входного изображения и импульсной реакции фильтра, либо результатом обратного преобразования Фурье от произведения передаточной функции фильтра и спектра входного изображения. Каждая из этих точек зрения может быть полезной в различных ситуациях. В предыдущем разделе, когда мы рассматривали сравнение с эталоном, было удобней использовать интерпретацию посредством свертки (т. е. на плоскости изображения); импульсная реакция соответствовала перевернутому эталону, а процесс фильтрации был эквивалентен вычислению функции взаимной корреляции. В данном разделе мы собираемся сделать упор на трактовку процесса пространственной фильтрации в плоскости частот. Прежде чем двигаться дальше, мы должны сказать несколько слов о «линейности» линейных пространственных фильтров. Пусть мы имеем дело с произвольной фильтрующей операцией
Используя это свойство и вторую строку формулы (15), нетрудно убедиться, что фильтры, которые мы рассматриваем, в самом деле линейны. Далее мы по-прежнему ограничим наше внимание линейными фильтрами. Смысл линейной пространственной фильтрации, видимо, лучше уяснить с помощью нескольких примеров. С этой целью рассмотрим и проиллюстрируем операции низкочастотной и высокочастотной пространственной фильтрации. Фильтр низких частот характеризуется передаточной функцией на плоскости частот, и имеющей относительно большую величину для частот вблизи начала координат. Другими словами, фильтр низких частот подавляет высокие пространственные частоты и пропускает низкие. Поскольку мы уже отмечали, что высокие пространственные частоты вызываются резкими краями на исходном изображении, следует ожидать, что фильтр низких частот будет сглаживать резкие края и, следовательно, давать «расплывчатые» изображения. Процесс фильтрации низких частот, по существу, анало гичен операции пространственного сглаживания, обсуждавшейся в предыдущей главе. Фильтр высоких пространственных частот, напротив, характеризуется передаточной функцией, имеющей относительно большую величину для пространственных частот, удаленных от начала координат, и относительно малую величину для частот, близких к началу координат. Другими словами, фильтр высоких частот подавляет низкие частоты и пропускает высокие. Поскольку высокие пространственные частоты соответствуют резким краям, фильтр высоких частот подчеркивает края, и, следовательно, его действие аналогично пространственному дифференцированию. В качестве примера рассмотрим последовательность изображений, показанную на рис. 8.3а-8.3е. На рис. 8.3 а показана та же самая картинка с телевизионного монитора, которая была использована для иллюстраций в предыдущей главе. На рис. 8.36 снова показан дискретный вариант этого изображения размером Отвлечемся на короткое время от основной темы, чтобы сказать несколько слов о масштабе по осям (см. скан) Рис. 8.3а. Изображение на телевизионном мониторе. (см. скан) Рис. 8.3б. Дискретное изображение. (см. скан) Рис. 8.3в. Логарифм модуля спектра Фурье. (см. скан) Рис. 8.3г. Результат низкочастотной фильтрации. (см. скан) Рис. 8.3д. Результат высокочастотной фильтрации. (см. скан) Рис. 8.3е. Результат операции подчеркивания высоких частот. квантовано по определению с интервалом в один элемент, и в результате получилось дискретное изображение (рис. 8.36). Из теоремы отсчетов Шеннона мы знаем, что таксой интервал квантования позволяет точно восстановить аналоговое изображение только в том случае, если оно ограничено по полосе частот и его пространственные частоты меньше величины в Теперь пропустим полученный спектр Фурье через фильтр низких частот. В связи с предыдущим обсуждением передаточную функцию фильтра
Заметим, что Рассмотрим теперь два примера фильтрации высоких частот. В первом примере мы применим передаточную функцию
Эта функция равна 0,5 в начале координат на плоскости частот, а в точках, где либо В качестве второго примера высокочастотной фильтрации мы применим фильтр с передаточной функцией
Эта функция отличается от предыдущей только добавлением кон станты 0,5; ее величина меняется от 1,0 в начале координат до 2,0 на высоких частотах. Поэтому операцию, выполняемую таким фильтром, естественно назвать «подчеркиванием высоких частот». Результат ее применения к тому же изображению показан на рис. 8.3 е. Эта картинка больше похожа на исходную, чем рис. 8.3 д, так как низкие частоты здесь не подавлялись, и общее соотношение между светлыми и темными областями осталось поэтому неизменным. Подчеркивание выразилось в том, что края стали несколько более заметными, но не чересчур сильно. На рис. 8.4 а-8.4 е показана другая серия примеров, иллюстрирующих результаты применения описанной последовательности операций к другому исходному изображению. На рис. 8.4 а показана картинка с телевизионного монитора, изображающая вид через открытую дверь комнаты. Черные прямоугольники слева представляют собой наклеенные на стену куски черной бумаги, и мы, таким образом, можем сравнивать «реальные» объекты, такие, как кресло, с «идеальными» черно-белыми объектами, имеющими прямолинейные границы. Рис. 8.4 б Представляет собой дискретное изображение размером 120 х 120 элементов, а рис. 8.4 в показывает логарифм модуля его спектра Фурье. Все края, заметные на дискретном изображении, ориентированы горизонтально или вертикально, и поэтому все существенные высокочастотные компоненты в спектре Фурье расположены вдоль осей (см. скан) Рис. 8.4 а. Изображение на телевизионном мониторе. (см. скан) Рис. 8.4 б. Дискретное изображение. (см. скан) Рис. 8.4 в. Логарифм модуля спектра Фурье. (см. скан) Рис. 8.4 г. Результат низкочастотной фильтрации. (см. скан) Рис. 8.4 д. Результат высокочастотной фильтрации. (см. скан) Рис. 8.4 е. Результат операции подчеркивания высоких частот. светлой границей. Это явление обычно рассматривается как чрезмерное подчеркивание. Оно возникает, когда фильтруемое изображение содержит резкие разрывы. И наконец, на рис. 8. 4 е показан результат применения фильтра для подчеркивания высоких частот, определяемого формулой (18). Мы привели обе серии примеров лишь ради иллюстрации и не пытались оптимизировать эти фильтры в каком-либо смысле. Тем не менее мы должны подчеркнуть, что фильтрация с помощью преобразования Фурье не является универсальным средством для получения идеальных изображений. Скорее она представляет собой инструмент, применять который следует избирательно. По мнению многих исследователей, этот метод больше всего подходит в тех случаях, когда имеют дело с повторяющимися или периодическими изображениями, так как спектры Фурье связаны с разложением в ряд по экспоненциальным функциям, которые сами являются периодическими.
|
1 |
Оглавление
|