图像处理——同态滤波
什么是同態(tài)濾波
同態(tài)濾波(Homomorphic filter)是信號(hào)與圖像處理中的一種常用技術(shù),它采用了一種線性濾波在不同域中的非線性映射。
首先介紹兩個(gè)概念
同態(tài)系統(tǒng):是將非線性問(wèn)題,轉(zhuǎn)化為線性問(wèn)題處理。即對(duì)非線性(乘性)混雜信號(hào),通過(guò)某種數(shù)學(xué)運(yùn)算(如對(duì)數(shù)變換),變成加性模型,而后采用線性濾波方法進(jìn)行處理。
同態(tài)濾波:是把頻率濾波和空域灰度變換結(jié)合起來(lái)的一種圖像處理方法,它根據(jù)圖像的照度/反射率模型作為頻域處理的基礎(chǔ),利用壓縮亮度范圍和增強(qiáng)對(duì)比度來(lái)改善圖像的質(zhì)量。
同態(tài)濾波的原理
一幅圖像可看成由兩部分組成,即
fi代表隨空間位置不同的光強(qiáng)(Illumination)分量,其特點(diǎn)是緩慢變化,集中在圖像的低頻部分。
fr代表景物反射到人眼的反射(Reflectance)分量,其特點(diǎn)包含了景物各種信息,高頻成分豐富。
同態(tài)濾波過(guò)程,分為以下5個(gè)基本步驟:
① 原圖做對(duì)數(shù)變換,得到如下兩個(gè)加性分量,即
② 對(duì)數(shù)圖像做傅里葉變換,得到其對(duì)應(yīng)的頻域表示為:
③ 設(shè)計(jì)一個(gè)頻域?yàn)V波器H(u,v),進(jìn)行對(duì)數(shù)圖像的頻域?yàn)V波。
④ 傅里葉反變換,返回空域?qū)?shù)圖像。
⑤ 取指數(shù),得空域?yàn)V波結(jié)果。
綜上,同態(tài)濾波的基本步驟如下圖所示。
首先上面的分析一共有三點(diǎn)需要注意:
① 取對(duì)數(shù),目的是基于我們假定的圖像模型將低頻和高頻信號(hào)進(jìn)行分離
② 然后頻域處理,即減弱低頻增強(qiáng)高頻達(dá)到增強(qiáng)細(xì)節(jié)的作用
③ 反操作得到處理后圖像
可以看出,同態(tài)濾波的關(guān)鍵在于濾波器H的設(shè)計(jì)。對(duì)于一幅光照不均勻的圖像,同態(tài)濾波可同時(shí)實(shí)現(xiàn)亮度調(diào)整和對(duì)比度提升,從而改善圖像質(zhì)量。為了壓制低頻的亮度分量,增強(qiáng)高頻的反射分量,濾波器H應(yīng)是一個(gè)高通濾波器,但又不能完全cut off 低頻分量,僅作適當(dāng)壓制。
因此,同態(tài)濾波器一般采用如下形式,即
其中,rL< 1, rH >1,控制濾波器幅度的范圍。Hhp通常為高通濾波器,如高斯(Gaussian)高通濾波器、巴特沃茲(Butterworth)高通濾波器、Laplacian濾波器等。
如果Hhp采用Gaussian高通濾波器,則有:
其中,D0為gaussian濾波器的截止頻域,c為一個(gè)常數(shù),控制濾波器的形態(tài),即從低頻到高頻過(guò)渡段的陡度(斜率),其值越大,斜坡帶越陡峭,見(jiàn)圖2。
其中我們需要關(guān)注的參數(shù)一共有4個(gè),分別為:
① rh 高頻權(quán)重
②rl 低頻權(quán)重
③ c 高斯函數(shù)的陡峭程度(并不是很重要)
④d0 手動(dòng)區(qū)分低頻和高頻的比例
圖2 同態(tài)濾波器幅頻曲線
同態(tài)濾波作用
同態(tài)濾波利用去除乘性噪聲(multiplicative noise),可以同時(shí)增加對(duì)比度以及標(biāo)準(zhǔn)化亮度,借此達(dá)到圖像增強(qiáng)的目的。
一副圖像可以表示為其照度(illumination)分量和反射(reflectance)分量的乘積,雖然在時(shí)域上這兩者是不可分離的,但是經(jīng)由傅立葉轉(zhuǎn)換兩者在頻域中可以線性分離。由于照度可視為環(huán)境中的照明,相對(duì)變化很小,可以看作是圖像的低頻成分;而反射率相對(duì)變化較大,則可視為高頻成分。通過(guò)分別處理照度和反射率對(duì)像元灰度值的影響,通常是借由高通濾波器(high-pass filter),讓圖像的照明更加均勻,達(dá)到增強(qiáng)陰影區(qū)細(xì)節(jié)特征的目的。
代碼實(shí)現(xiàn)
參考鏈接:數(shù)字圖像處理雜項(xiàng)-同態(tài)濾波
總結(jié)
以上是生活随笔為你收集整理的图像处理——同态滤波的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇: CURL详解[全]
- 下一篇: Neural3DMM与螺旋卷积