图像的变域处理及应用.doc

第9章 图像的变换域处理及应用 本章要点： ? 图像的正交变换 ? 频域低通滤波 ? 频域高通滤波 9.1 概述 数字图像处理的方法很多，根据它们处理数字图像时所用系统，主要可以归纳为两大类：空间域处理法（空域法）及频域法（或称为变换域法）。前面几章所介绍的几何变换，图像的增强、边缘检测等所用算法都是在空间域中进行图像处理的，本章将着重介绍数字图像处理中一些常见的频域处理方法。 数字图像处理经常要用到线性系统，在图像处理中使用空间作为参数来描述，通常用二维系统进行表示，输入函数f(x,y)表示原始图像，输出函数g(x,y)表示经处理后的图像，线性系统可看作是输入函数和输出函数之间的一种映射ω，反映了各种线性的图像处理方法。关系如同公式： g(x,y)=ω[f(x,y)] (9-1) 一般数字图像处理的计算方法本质上都是线性的，处理后的输出图像阵列就是输入图像阵列中的各个元素经加权线性组合而得到，通常这种线性空间线性处理要比非线性处理容易理解并且算法简单。线性系统可用传递函数来刻画，将其看作黑箱（Black Box），线性系统的输入信号和输出信号之间的关系，在时域可用卷积运算来表达，在频域可直接用乘积来确定： 传递函数(冲击响应) 传递函数 (冲击响应) h(t)H(s) x(t) y(t) h(t) H(s) X(s) Y(s) 输入信号 输出信号 时域关系： y(t)=h(t)*x(t)=x(τ)h(t-τ) dτ (9-2) 频域关系： Y(s)=H(s)·X(s) (9-3) 在图像处理中，图像的锐化与平滑处理可采用空间域处理方式（又称空间滤波）和频域处理方式（又称频域变换）两类。从数学角度看，空间滤波是采用微分、积分、多项式运算、坐标变换等方法对图像进行某种形式的处埋，具有方法直观，制作简便等优点；但当要处理较大的数字图像数据时，由于图像阵列很大，如果没有发现比较高效的算法，计算上会变得很繁琐，存在着滤波的广度和构成方式的模糊，计算时间长，预测性差等缺点，这样就会降低其在现实工作中的实用价值。同样情况下如果采用图像变换的方法，如傅里立叶算法、沃尔夫算法等间接处理技术，就可以获得更为有效的处理方法。所谓的图像频谱变换则是将图像从空间域进行付里叶变换于频谱域，检测和研究图像频谱特性，并进行滤波处理，最终将处理的频谱经傅里叶逆变换恢复图像于空间域。如下图所示。其优点是处理速度快，构成方式清晰，滤波广度大，预测性好，但数学过程复杂，不易理解。 f（x,y） F（u,v） H（u,v） G（u,v） g（x,y） 付立叶变换 滤波 付立叶反变换 图中，F(u,v)是带噪声的原始图像f(x,y)的付立叶变换，H(u,v)为滤波器的传递函数，经过滤波处理后的G(u,v)=H(u,v)*F(u,v), 再进行付立叶反变换得到增强的图像g(x,y)。 当H(u,v)为低通滤波器的传递函数时，经过付立叶反变换会得到去除噪声后的平滑图像g(x,y)。当H(u,v)为高通滤波器的传递函数时，经过付立叶反变换会得边缘增强的图像，衰减图像信号的低频部分能相对增强图像高频部分，从而实现图像锐化的目的。 目前，图像变换技术被广泛地运用于图像增强、图像复原、图像压缩、图像特征提取、图像识别以及图像特征提取等领域。本章将重点介绍这些与图像变换相关的算法。 9.2 图像的正交变换 在将数字图像由空间域变换到频域时，所采用的变换方式一般都是线性正交变换，又称为酉变换。正交变换是信号分析学科中的一个重要部分，它是计算机图像处理的前续课程。多年来，变换理论在图像处理（频域法处理）中起着关键作用。下面我们将介绍使用正交变换的傅立叶变换、离散余弦变换和沃尔什变换。 ? 傅立叶变换基本概念 ? 一维离散傅立叶变换 ? 二维离散傅立叶变换 ? 离散余弦变换 9.2.1 傅立叶变换基本概念 傅立叶变换是一种经常被使用的正交变换，尤其是在一维信号处理中被广泛使用。在这里我们将介绍它在数字图像处理中的使用方法。 1．傅立叶的定义 傅立叶变换在数学中的定义非常严格，它的定义如下： 设为的函数，如果满足下面的狄里赫莱条件： 具有有限个间断点； 具有有限个极值点； 绝对可积。 则定义的傅立叶变换公式为： (9-4) 它的逆反变换公式为： (9-5) 其中为时域变量，为频域变量。 由上面的