OpenCV 完整例程81. 频率域高斯低通滤波器

Posted 2022-02-13 小白YouCans

【OpenCV 完整例程】81. 频率域高斯低通滤波器

欢迎关注 『OpenCV 完整例程 100 篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中

3.3 频率域高斯低通滤波器（GLPF）

例程 8.16 以理想低通滤波器为例，给出了频率域图像滤波的一般步骤。

高斯滤波器的滤波效果随着样值点到傅里叶变换中心的距离的变化而变化，当距离增大时滤波效果变好。

频率域高斯低通滤波器也是一个掩模蒙板：

$$\begin{gathered} H(u,v)=e^{-(u^2+v^2)/2{\sigma }^2} \\ D(u,v)=\sqrt{(u-P/2{)}^2+(v-Q/2{)}^2} \end{gathered}$$
式中 $D_0=\sigma$ 是截止频率，当 $D(u,v)=D_0$ 时 GLPF 下降到最大值的 0.607处。

利用二维高斯蒙板，可以滤去高频、保留低频。频域高斯函数的方差 ${\sigma }^2$ 越小，高斯函数越狭窄，滤除的高频成分（图像细节）越多，图像越模糊。

空间域高斯滤波器的计算量随着模板的增大而增大，而频率域高斯滤波的计算量独立于滤波函数。

例程 8.18：频率域高斯低通滤波器 (GLPF)

# OpenCVdemo08.py
# Demo08 of OpenCV
# 8. 图像的频率域滤波
# Copyright 2021 Youcans, XUPT
# Crated：2021-12-15

    # 8.18：频率域高斯低通滤波器 (GLPF)
    imgGray = cv2.imread("../images/imgLena.tif", flags=0)  # flags=0 读取为灰度图像

    # （1）首先对图像进行傅里叶变换
    imgFloat32 = np.float32(imgGray)  # 将图像转换成 float32
    dft = cv2.dft(imgFloat32, flags=cv2.DFT_COMPLEX_OUTPUT)  # 傅里叶变换
    dftShift = np.fft.fftshift(dft)  # 将低频分量移动到频域图像的中心

    # # 幅度谱
    # imgDFT = 10 * np.log(cv2.magnitude(dftShift[:,:,0], dftShift[:,:,1]))
    # plt.figure(figsize=(9, 6))
    # plt.subplot(121), plt.axis('off'), plt.title("Original"), plt.imshow(imgGray, 'gray')
    # plt.subplot(122), plt.axis('off'), plt.title("FFt"), plt.imshow(imgDFT, cmap='gray')
    # plt.show()

    plt.figure(figsize=(9, 6))
    rows, cols = imgGray.shape[:2]  # 图片的高度和宽度
    sigma2 = [0.5, 0.09, 0.01]  # square of sigma
    for i in range(3):
        # 构造高斯滤波器遮罩：# Gauss = 1/(2*pi*s2) * exp(-(x**2+y**2)/(2*s2))
        x, y = np.mgrid[-1:1:2.0 / rows, -1:1:2.0 / cols]
        z = 1 / (2 * np.pi * sigma2[i]) * np.exp(-(x ** 2 + y ** 2) / (2 * sigma2[i]))
        # maskGauss = np.uint8(cv2.normalize(z, None, 0, 255, cv2.NORM_MINMAX))  # 归一化为 [0,255]
        zNorm = np.uint8(cv2.normalize(z, None, 0, 255, cv2.NORM_MINMAX))  # 归一化为 [0,255]
        maskGauss = np.zeros((rows, cols, 2), np.uint8)
        maskGauss[:,:,0] = zNorm
        maskGauss[:,:,1] = zNorm
        print(maskGauss.shape, maskGauss.max(), maskGauss.min())

        # （2）然后在频率域修改傅里叶变换
        dftTrans = dftShift * maskGauss  # 修改傅里叶变换实现滤波

        # （3）最后通过傅里叶逆变换返回空间域
        ishift = np.fft.ifftshift(dftTrans)  # 将低频逆转换回图像四角
        idft = cv2.idft(ishift)  # 逆傅里叶变换
        imgRebuild = cv2.magnitude(idft[:,:,0], idft[:,:,1])  # 重建图像

        plt.subplot(2,3,i+1), plt.title("Mask (s^2=)".format(sigma2[i])), plt.axis('off')
        plt.imshow(maskGauss[:,:,0], cmap='gray')
        plt.subplot(2,3,i+4), plt.title("DFT GLPF (s^2=)".format(sigma2[i])), plt.axis('off')
        plt.imshow(imgRebuild, cmap='gray')

    plt.tight_layout()
    plt.show()

程序说明：

（1）使用 cv2.getOptimalDFTSize() 获得快速傅里叶变换的优化尺寸，对原始图像进行了边缘扩充和补 0 填充，因此与原始图像尺寸不一定相同。频域滤波后截取左上角，得到与原始图像大小一致的滤波图像。
（2）注意滤波器的尺寸要与（快速）傅里叶变换的尺寸相同，与原始图像的大小不一定相同。

（本节完）

---

版权声明：

youcans@xupt 原创作品，转载必须标注原文链接

Copyright 2021 youcans, XUPT

Crated：2022-1-25

欢迎关注 『OpenCV 完整例程 100 篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中

【OpenCV 完整例程】01. 图像的读取（cv2.imread）
【OpenCV 完整例程】02. 图像的保存（cv2.imwrite）
【OpenCV 完整例程】03. 图像的显示（cv2.imshow）
【OpenCV 完整例程】04. 用 matplotlib 显示图像（plt.imshow）
【OpenCV 完整例程】05. 图像的属性（np.shape）
【OpenCV 完整例程】06. 像素的编辑（img.itemset）
【OpenCV 完整例程】07. 图像的创建（np.zeros）
【OpenCV 完整例程】08. 图像的复制（np.copy）
【OpenCV 完整例程】09. 图像的裁剪（cv2.selectROI）
【OpenCV 完整例程】10. 图像的拼接（np.hstack）
【OpenCV 完整例程】11. 图像通道的拆分（cv2.split）
【OpenCV 完整例程】12. 图像通道的合并（cv2.merge）
【OpenCV 完整例程】13. 图像的加法运算（cv2.add）
【OpenCV 完整例程】14. 图像与标量相加（cv2.add）
【OpenCV 完整例程】15. 图像的加权加法（cv2.addWeight）
【OpenCV 完整例程】16. 不同尺寸的图像加法
【OpenCV 完整例程】17. 两张图像的渐变切换
【OpenCV 完整例程】18. 图像的掩模加法
【OpenCV 完整例程】19. 图像的圆形遮罩
【OpenCV 完整例程】20. 图像的按位运算
【OpenCV 完整例程】21. 图像的叠加
【OpenCV 完整例程】22. 图像添加非中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】24. 图像的仿射变换
【OpenCV 完整例程】25. 图像的平移
【OpenCV 完整例程】26. 图像的旋转（以原点为中心）
【OpenCV 完整例程】27. 图像的旋转（以任意点为中心）
【OpenCV 完整例程】28. 图像的旋转（直角旋转）
【OpenCV 完整例程】29. 图像的翻转（cv2.flip）
【OpenCV 完整例程】30. 图像的缩放（cv2.resize）
【OpenCV 完整例程】31. 图像金字塔（cv2.pyrDown）
【OpenCV 完整例程】32. 图像的扭变（错切）
【OpenCV 完整例程】33. 图像的复合变换
【OpenCV 完整例程】34. 图像的投影变换
【OpenCV 完整例程】35. 图像的投影变换（边界填充）
【OpenCV 完整例程】36. 直角坐标与极坐标的转换
【OpenCV 完整例程】37. 图像的灰度化处理和二值化处理
【OpenCV 完整例程】38. 图像的反色变换（图像反转）
【OpenCV 完整例程】39. 图像灰度的线性变换
【OpenCV 完整例程】40. 图像分段线性灰度变换
【OpenCV 完整例程】41. 图像的灰度变换（灰度级分层）
【OpenCV 完整例程】42. 图像的灰度变换（比特平面分层）
【OpenCV 完整例程】43. 图像的灰度变换（对数变换）
【OpenCV 完整例程】44. 图像的灰度变换（伽马变换）
【OpenCV 完整例程】45. 图像的灰度直方图
【OpenCV 完整例程】46. 直方图均衡化
【OpenCV 完整例程】47. 图像增强—直方图匹配
【OpenCV 完整例程】48. 图像增强—彩色直方图匹配
【OpenCV 完整例程】49. 图像增强—局部直方图处理
【OpenCV 完整例程】50. 图像增强—直方图统计量图像增强
【OpenCV 完整例程】51. 图像增强—直方图反向追踪
【OpenCV 完整例程】52. 图像的相关与卷积运算
【OpenCV 完整例程】53. Scipy 实现图像二维卷积
【OpenCV 完整例程】54. OpenCV 实现图像二维卷积
【OpenCV 完整例程】55. 可分离卷积核
【OpenCV 完整例程】56. 低通盒式滤波器
【OpenCV 完整例程】57. 低通高斯滤波器
【OpenCV 完整例程】58. 非线性滤波—中值滤波
【OpenCV 完整例程】59. 非线性滤波—双边滤波
【OpenCV 完整例程】60. 非线性滤波—联合双边滤波
【OpenCV 完整例程】61. 导向滤波（Guided filter）
【OpenCV 完整例程】62. 图像锐化——钝化掩蔽
【OpenCV 完整例程】63. 图像锐化——Laplacian 算子
【OpenCV 完整例程】64. 图像锐化——Sobel 算子
【OpenCV 完整例程】65. 图像锐化——Scharr 算子
【OpenCV 完整例程】66. 图像滤波之低通/高通/带阻/带通
【OpenCV 完整例程】67. 空间域图像增强的综合应用
【OpenCV 完整例程】68. 空间域图像增强的综合应用
【OpenCV 完整例程】69. 连续非周期信号的傅立叶系数
【OpenCV 完整例程】70. 一维连续函数的傅里叶变换
【OpenCV 完整例程】71. 连续函数的取样
【OpenCV 完整例程】72. 一维离散傅里叶变换
【OpenCV 完整例程】73. 二维连续傅里叶变换
【OpenCV 完整例程】74. 图像的抗混叠
【OpenCV 完整例程】75. Numpy 实现图像傅里叶变换
【OpenCV 完整例程】76. OpenCV 实现图像傅里叶变换
【OpenCV 完整例程】77. OpenCV 实现快速傅里叶变换
【OpenCV 完整例程】78. 频率域图像滤波基础
【OpenCV 完整例程】79. 频率域图像滤波的基本步骤
【OpenCV 完整例程】80. 频率域图像滤波详细步骤
【OpenCV 完整例程】81. 频率域高斯低通滤波器