基于频率变换的图像锐化滤波-论文.pdf

《基于频率变换的图像锐化滤波-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、2014年第2期九江学院学报【自然科学版)(总第105期)No．2，2014Joum~ofjiujiangUniversi~(naturalsciencesEdition)(SumNo．105)基于频率变换的图像锐化滤波程芳邓子龙(安庆职业技术学院安徽安庆246003)摘要：基于频率变换的图像锐化是在现代设计理论的基础上提出的一种更科学的设计方法，它可使产品的设计质量达到更高的要求。它能够突出图像中的细节，同时能衰弱图像的轮廓部分。本文详细的介绍了图像频域滤波，并利用MATLAB软件进行仿真。关键词：锐化滤波，傅立叶变换，Maflab中图分类号：TP391．41文献标识码：A文章

2、编号：1674—9545(2014)02—0050一(o3)l引言实质上是加强需要的高频分量，并必须考虑到要图像锐化是一种使图像原有信息变换，有利在锐化图像的同时抑制噪声。于人们观看，其目的是突出图像中的细节或者增3傅立时变换加被模糊了的细节。在一般情况下，图像的锐化傅立叶变换是一种常用的正交变换，它的理是被用于景物边界的检测与提取。基于频域变换论完善，应用程序多。在数字图像应用领域，傅的图像锐化实质上是加强需要的高频分量，并必立叶变换起着非常重要的作用，用它可完成图像须考虑到要在锐化图像的同时抑制噪声¨】。分析、图像增强及图像压缩等工作，在数字图像2空域与频域锐化处理中经常用到

3、的是二维离散傅立叶变换J。2．1空域锐化二维离散傅立叶变换[2类似与一维傅立叶变空域锐化主要是使空域图像增强，主要方法换，对M行N列二维离散图像的傅立叶变换公式是通过锐化过滤器，主要用途是印刷中的细微层如下：1一1N-1次强调。弥补扫描、挂网对图像的钝化；超声探F(，”)互荟厂(，)，)exp【_仃(+v_J7zv)】测成像，分辨率低，边缘模糊，通过锐化来改善；图像识别中，分割前的边缘提取；锐化处理恢复(1)z‘=0，1，2，⋯，一1；=0，1，2，⋯，J7、『一1过度钝化、暴光不足的图像；图像创艺(只剩下^f—lN-I边界的特殊图像)；尖端武器的目标识别、定，(，)，)EF~Ⅱ

4、，)exp[_仃(+)](2)位¨。=0v：=0‘Ir上』T=0，1，2，⋯，一1；=0，I，2，⋯，Ⅳ_-12．2频域锐化从灰度分布的角度看，图像中对象的轮廓4数字图像滤波原理(边缘)和线条是图像中灰度的突变部分，因而包频域滤波锐化技术是在图像的频率域空间对图像进行滤波，因此需要将图像从空间域变换到含丰富的空间高频分量。从频谱分析的角度看，频率域，一般通过傅立叶变换即可实现。在频率任何一幅图像都是由决定图像反差的低频信号和域空间的滤波与空域滤波一样可以通过卷积实现，决定图像细节的高频信号组成。但需要考虑到，数字化图像中高频信号部分总是掺杂有一定程度因此傅立叶变换和卷积理论是频域

5、滤波技术的基础【4J，如图l所示。的噪声。因此，在频率域中进行图像的锐化处理收稿日期：2014—1—19通讯作者：程芳，379850274@qq．corn。第2期程芳，等：基于频率变换的图像锐化滤波·51·—：’丑匝垂垂—币匡竺竺!!：I—：：固重亘圈—丽；呻h=0；图1频率域增强的一般过程elseh=1；假定函数f(X，y)与线性位不变算子h(X，endY)的卷积结果是g(X，Y)，即result(i，j)=h母g(i，j)；g(x，Y)=h(X，Y)f(x，y)end相应地，由卷积定理可得下述频域关系：endG(U，v)=H(U，v)·F(U，v)result=iftshif

6、t(result)；式中，H(U，v)成为传递函数或滤波器函X2=i肥(result)；数。在图像增强中，图像函数f(X，y)是已知J=uint8(real(x2))；的，即待增强的图像，因此F(U，v)可由图像figure，imshow(J)；的傅立叶变换得到。实际应用中，首先需要确定5．2巴特沃斯高通滤波器编程：的是H(u，v)，然后就可求得G(U，v)，对13clear，ele；(U，v)求傅立叶反变换后即可得到增强的图像gI=imread(1．bmp-)；(x，Y)。g(X，Y)可以突出f(x，y)的某一方I=inmoise(I，gait&pepper')；面的特征，如利

7、用传递函数H(U，v)突出Fimshow(I)；(u，v)的高频分量，以增强图像的边缘信息，即f=double(I)；高通滤波；反之，如果突出F(U，v)的低频分g=fit．shift(fit2(f))；量，就可以使图像显得比较平滑，即低通滤波【4】。[M，N]=size(g)；n=3；在介绍具体的滤波器之前，首先根据以上的dO=40；描述给出频域滤波的主要步骤H】：nl=floor(~t／2)；(1)对原始图像f(x，y)进行傅立叶变换n2=flor(N／2)；得到F(U，v)