exp2-頻域圖像增強

頻域低通:理想、巴特沃斯白筹、高斯

im = imread('circlesBrightDark.png');
im = double(im)/255;

figure;
subplot(121);
imshow(im);
title('Original Image');
        
IM = fftshift(fft2(im));
subplot(122);
imshow(mat2gray(log(abs(IM) + 1e-10)));
title('Frequency Domain ')

imsize = size(im);
D = 1:imsize(2);
V = 1:imsize(1);
[D, V] = meshgrid(D, V);
R = sqrt((D-imsize(2)/2).^2 + (V-imsize(1)/2).^2);

H1 = zeros(imsize);
r = imsize(1)/20;
H1(R <= r) = 1;

myfilter(im, H1, 'Ideal Low-pass Filter')
N = 2;
H2 = 1./(1 + (R/r).^(2*N));
myfilter(im, H2, 'Butterworth Low-pass Filter');
sigma = 20;
H3 = exp(-R.^2./sigma.^2/2);
myfilter(im, H3, 'Gaussian Low-pass Filter');

頻域高通:理想带兜、巴特沃斯任柜、高斯卒废、同態(tài)濾波

H4 = 1 - H1;
myfilter(im, H4, 'Ideal High-pass Filter');
N = 2;
H5 = 1./(1 + (r./R).^(2*N));
myfilter(im, H5, 'Butterworth High-pass Filter');
H6 = 1 - H3;
myfilter(im, H6, 'Gaussian High-pass Filter');
im = imread('mandi.tif');
im = double(im)/255;
figure;
subplot(221);
imshow(im);
title('Original Image');
        
IM = fftshift(fft2(im));
subplot(222);
imshow(mat2gray(log(abs(IM) + 1e-10)));
title('Frequency Domain ')

imsize = size(im);
D = 1:imsize(2);
V = 1:imsize(1);
[D, V] = meshgrid(D, V);
R = sqrt((D-imsize(2)/2).^2 + (V-imsize(1)/2).^2);

r_H = 1;
r_L = 0.4;
c = 0.2;
r = imsize(1) / 20;

H7 = (r_H - r_L)*(1 - exp(-c*((R/r).^2))) + r_L;

im_In = log(im + 1);
IM_In = fftshift(fft2(im_In));
subplot(223);
imshow(H7);
title('Filter')

IM_In_ = IM_In.*H7;

im_In_ = ifft2(fftshift(IM_In_));
im_ = exp(abs(im_In_)) - 1;
im_ = mat2gray(im_);

subplot(224);
imshow(im_);
title('Result');

suptitle('Homomorphic Filter')
function myfilter(im, H, imtitle)
    
    IM = fftshift(fft2(im));
    
    figure;
    subplot(121);
    imshow(H);
    title('Filter');
    
    IM_ = IM.*H;
    im_ = ifft2(fftshift(IM_));
    subplot(122);
    imshow(abs(im_));
    title('Result');
    
    suptitle(imtitle);
end
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市宙地,隨后出現(xiàn)的幾起案子摔认,更是在濱河造成了極大的恐慌,老刑警劉巖宅粥,帶你破解...
    沈念sama閱讀 206,214評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件参袱,死亡現(xiàn)場離奇詭異,居然都是意外死亡秽梅,警方通過查閱死者的電腦和手機抹蚀,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,307評論 2 382
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來企垦,“玉大人况鸣,你說我怎么就攤上這事≈窆郏” “怎么了?”我有些...
    開封第一講書人閱讀 152,543評論 0 341
  • 文/不壞的土叔 我叫張陵,是天一觀的道長臭增。 經(jīng)常有香客問我懂酱,道長,這世上最難降的妖魔是什么誊抛? 我笑而不...
    開封第一講書人閱讀 55,221評論 1 279
  • 正文 為了忘掉前任列牺,我火速辦了婚禮,結(jié)果婚禮上拗窃,老公的妹妹穿的比我還像新娘瞎领。我一直安慰自己,他們只是感情好随夸,可當我...
    茶點故事閱讀 64,224評論 5 371
  • 文/花漫 我一把揭開白布九默。 她就那樣靜靜地躺著,像睡著了一般宾毒。 火紅的嫁衣襯著肌膚如雪驼修。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,007評論 1 284
  • 那天诈铛,我揣著相機與錄音乙各,去河邊找鬼。 笑死幢竹,一個胖子當著我的面吹牛耳峦,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播焕毫,決...
    沈念sama閱讀 38,313評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼蹲坷,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了咬荷?” 一聲冷哼從身側(cè)響起冠句,我...
    開封第一講書人閱讀 36,956評論 0 259
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎幸乒,沒想到半個月后懦底,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,441評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡罕扎,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 35,925評論 2 323
  • 正文 我和宋清朗相戀三年聚唐,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片腔召。...
    茶點故事閱讀 38,018評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡杆查,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出臀蛛,到底是詐尸還是另有隱情亲桦,我是刑警寧澤崖蜜,帶...
    沈念sama閱讀 33,685評論 4 322
  • 正文 年R本政府宣布,位于F島的核電站客峭,受9級特大地震影響豫领,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜舔琅,卻給世界環(huán)境...
    茶點故事閱讀 39,234評論 3 307
  • 文/蒙蒙 一等恐、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧备蚓,春花似錦课蔬、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,240評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至虚循,卻和暖如春同欠,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背横缔。 一陣腳步聲響...
    開封第一講書人閱讀 31,464評論 1 261
  • 我被黑心中介騙來泰國打工铺遂, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人茎刚。 一個月前我還...
    沈念sama閱讀 45,467評論 2 352
  • 正文 我出身青樓襟锐,卻偏偏與公主長得像,于是被迫代替她去往敵國和親膛锭。 傳聞我的和親對象是個殘疾皇子粮坞,可洞房花燭夜當晚...
    茶點故事閱讀 42,762評論 2 345

推薦閱讀更多精彩內(nèi)容

  • 空域平滑 圖像銳化 彩色增強技術(shù) 頻域增強 增強的目的: 改善圖像視覺效果,提高清晰度:平滑初狰、降噪——圖像清晰 利...
    hyfine閱讀 3,048評論 0 3
  • 參考資料: 圖像卷積與濾波的一些知識點 圖像處理基本概念——卷積莫杈,濾波,平滑 1.卷積的基本概念 首先奢入,我們有一個...
    keloli閱讀 9,976評論 0 26
  • 本節(jié)主要記錄OpenCV 兩類五種常見的濾波方式: 線性濾波:方框濾波捉片、均值濾波平痰、高斯濾波非線性濾波: 中值濾波汞舱、...
    hehtao閱讀 2,338評論 0 3
  • 1,二維離散傅里葉變換公式的理解觉增,DFT公式中兵拢,我們可以將指數(shù)項擴展為正弦項和余弦項的形式, 所以從公式的角度可以...
    北風(fēng)知我意閱讀 1,766評論 0 0
  • 接上文:傅立葉變換濾波 頻域濾波器 理想低通濾波器 巴特沃茲低通濾波器 高斯低通濾波器 dftuv的實現(xiàn) dftu...
    在河之簡閱讀 1,409評論 0 1