图像处理(1)频域滤波与空间域滤波比较

一、空间域滤波简介

空间域滤波是在图像空间中借助模板对图像进行邻域操作,处理图像的每一个像素的取值都是根据模板对输入像素邻域内的像素值进行加权叠加得到的。空间域滤波是让图像在频域空间内某个范围的分量受到抑制,同时保证其他分量不变,从而改变图像的频率分布。空间域滤波是应用模板卷积对图像每一个像素进行局部处理。

二、频域滤波器简介

频域滤波是图像经傅里叶变换后,边缘和其他尖锐信息在图像中主要出于高频部分,因此,可以通过衰减图像傅里叶变换中的高频成分的范围来实现。

三、频域滤波与空间域滤波的比较

1)在空间域滤波中,平滑滤波器算法简单,处理速度快,但在降噪同时使图像产生模糊,特别是在边缘和细节处。中值滤波器对椒盐噪声抑制效果比较好,但对点、线等细节较多的图像却不太合适。低通滤波器对椒盐噪声过滤效果差,图像较为模糊。空间域滤波算法简单,处理速度较快,在锐化方面效果明显,线条突出。

2)在频域滤波中,去噪同时将会导致边缘信息损失,使图像边缘模糊,并且产生振铃效果。页域滤波算法复杂,计算速度慢,有微量振铃效果,图像平缓。

四、频域滤波与空间域滤波的联系

频域滤波较空域而言更为直观,频域下滤波器表达了一系列空域处理(平滑、锐化等)的本质,即对高于/低于某一特定频率的灰度变化信息予以滤除,而对其他的灰度变化息基本持.不变。这种直观性增加了频域滤波器设计的合理性,使得我们更容易设计出针对特定问题的频域。而想直接在空域中设计出一个能够完成滤波任务的滤波器(卷积模板)是相当困难的。

为了得到合适的空域滤波器,我们很自然地想到可以首先设计频域滤波器H(u,v)而后根据卷积定理,将H(u,v)反变换至空域后就得到了空域中滤波使用的卷积模板h(x,y),从而解决空域滤波器的设计难题。然而,直接反变换得到的空域卷积模板h(x,y)同H(u,v)等大,要计算这样大的模板与图像的卷积将是非常低效的。利用以全尺寸的空域滤波器h(x,y)为指导设计出的形状与之类似的小空域卷积模板,同样可以取得类似于频域滤波器H(u,v)的滤波效果。这就为从频域出发,最终设计出具有实用价值的空域模板提供了一种完美的解决方案。

五、空间域高斯滤波与频域高斯滤波的比较

1)方差:空域高斯函数的方差越大,高斯函数越宽,模板尺寸越大,处理的图像越模糊;频域高斯函数的方差越小,高斯函数越窄,滤除的低频成分越多,图像越模糊。

2)计算量:空域高斯滤波的计算花费随着模板的规模的增大而增大;频域高斯滤波的计算星独立于滤波函数。

六、振铃效应

振铃效应(Ringingeffect)是影响复原图像质量的众多因素之一,其典型表现是在图像灰度剧烈变化的邻域出现类吉布斯(Gibbs)分布--满足给定约束条件且熵最大的分布)的振荡。

在图像盲复原中,振铃效应是一个不可忽视的问题,其严重降低了复原图像的质量,,并且使得难于对复原图像进行后续处理。如果点扩振铃效应是由于在图像复原中选取了不适当的图像模型造成的;在图像盲复原中散函数选择不准确也是引起复原结果产生振铃效应的另一个原因,特别是选用的点扩散函数尺寸大于真实点扩散函数尺寸时,振铃现象更为明显;振铃效应产生的直接原因是图像退化过程中信息量的丢失,尤其是高频信息的丢失。铃效应对复原图像质量影响严重,众多学者对抑制振铃效应的方法进行了广泛研究,然而大多数图像复原方法在这一点上都有所不足,造成了复原过程中的振铃效应几乎不可避免,尤其对于有噪声存在的场合,它会混淆图像的高频特性,使得振铃效应带来的影响更加显著。

七、参考文献
http://www.doc88.com/p-3022161431207.html
http://blog.csdn.net/u010839382/article/details/41908541

版权声明:本文为CSDN博主「小娜美要努力努力」的原创文章,遵循CC4.0BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_39504171/article/details/94436658

推荐阅读