1 / 69

Fourier transzformált, szűrés frekvenciatartományban

Fourier transzformált, szűrés frekvenciatartományban. Vámossy Zoltán 2004 Gonzales – Woods: Digital Image Processing, Prentice Hall, 2002. alapján. Témakör. Fourier sorok, Fourier transzformált (FT) Fontosabb tulajdonságok A szűrés lépései frekvenciatartományban

beyla
Download Presentation

Fourier transzformált, szűrés frekvenciatartományban

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Fourier transzformált,szűrés frekvenciatartományban Vámossy Zoltán 2004 Gonzales – Woods: Digital Image Processing, Prentice Hall, 2002. alapján

  2. Témakör • Fourier sorok, Fourier transzformált (FT) • Fontosabb tulajdonságok • A szűrés lépései frekvenciatartományban • Alul áteresztő (low pass - LPF), felül áteresztő (high pass - HPF) szűrők • Homomorf szűrők

  3. Miért FT? – 1

  4. Miért FT? – 2 • Szűrés: 1. a kép Fourier transzformáltját szorozzuk a szűrő-függvény Fourier transzformáltjával H(u,v) • 2. Inverz Fourier tr. segítségével visszatérünk képtartományba

  5. Példa FT-re

  6. Fourier sorok • Fourier sorok (SF) egy véges TF intervallumon bármely függvényt közelítik • TF intervallumon kívül, SFperiodikusán ismétlődik TF periódussal.

  7. Fourier sorok (folytatás) • TF az s(t) jelnek az intervalluma, amely felett a Fourier sorozat megjelenik • fF = 1/TF a Fourier soros reprezentáció alapfrekvenciája (alap harmonikus) • n a “harmonikus szám” • 2fF az alapfrekvencia (fF) második harmonikusa • A Fourier sor mindig periodikus és lineáris kombinációja fF frekvenciájú szinuszoknak és azok harmonikusainak

  8. Fourier transzformáció (FT) • Frekvencia tartományban leírás cn u (0,0) nfF v

  9. 1-D Fourier transzformáció CFT Folytonos Fourier Tr. DFT Diszkrét Fourier Tr. • Fourier tr.: • Inverz FT: • Komplex alak: • Fourier spektrum • Teljesítmény spektrum (spektrál sűrűség) • Fázis szög:

  10. 2-D Fourier transzformáció • CFT • DFT

  11. Impulzus transzformáltR. N. Bracewell’s “Two-Dimensional Imaging,” Prentice Hall, 1995.

  12. Néhány példa • Gauss  Gauss • Gauss rámpa • Vonal impulzus

  13. 2D FT Pairs

  14. Az FT fontos tulajdonságai • Egyszerű számíthatóság és implementálhatóság • Lineáris (disztributív és skálázható) • Szeparálható (felbontható oszlop és sor műveletek egymás utáni végrehajtására) • Eltolási tulajdonság • Periodicitás • Konjugált szimmetria • Elforgatási tulajdonság • Konvolúciós tétel • Korrelációs tétel • Mintavételezés …

  15. A Fourier transzformáció megértése és implementálása y (0,0) y (0,0) (0,0) v 255 0 0 255 x u x |F(u,v)| f(x,y) f(x,y)(-1)x+y

  16. A Fourier transzformáció megértése és implementálása • Az “eltolási tulajdonság” (lásd később) értelmében: y y (0,0) (0,0) -255 v 0 -0 255 (0,0) x x u |F(u-M/2,v-N/2)| f(x,y) f(x,y)(-1)x+y

  17. Linearitás • FT lineáris képfeldolgozó módszer Lineáris rendszer y1(t) x1(t) y2(t) x2(t) a*x1(t) + b*x2(t) a*y1(t) + b*y2(t)

  18. Szeparálhatóság Sor tanszformáció Oszloptranszf. f(x, y) F(x, v) F(u, v)

  19. Eltolási tulajdonság

  20. Periodicitás és konjugált szimmetria • Periodicitás • Ha f(x, y) valós, akkor Fourier transzformáltja konjugált szimmetrikus • Fourier transzformált spektruma szimmetrikus

  21. Példa – eltolt és log skálázott FT

  22. Példa – periodicitás és eltolás

  23. Elforgatás

  24. Átlag • Átlag: a transzformáció értéke (u, v) = (0, 0)-ban a kép átlaga

  25. A Laplace transzformált frekvencia tartományban

  26. Konvolúció • Folyamatos és diszkrét konvolúció • Konvolúciós tétel: • A képtérben számított konvolúció a gyakorlatban gyorsabban számítható a frekvenciatartományban elem-elem szorzással egy bizonyos méret felett

  27. Korreláció • Folytonos és diszkrét korreláció • Korrelációs tétel

  28. Autokorreláció • Autokorreláció (önmagával vett kereszt korreláció) • Autokorrelációs tétel • Alkalmazás: mintaillesztés

  29. Szűrés főbb lépései (FTIFT) f(x,y)(-1)x+y g(x,y)(-1)x+y

  30. Szűrés frekvencia tartományban • Szorozzuk meg az input képet (-1)x+yértékkel, hogy a transzformált eredmény majd középre kerüljön, az (u = M/2 és v = N/2) (ha M és N páros, akkor az eltolás koordináták egészek) • Számoljuk ki F(u,v)-t, az (1) kép DFT-ját • Szorozzuk meg F(u,v)-t H(u,v) szűrő fgv-nyel • Számoljuk ki (3) inverz DFT-ját • (4) valós részét tekintsük • Az (5) eredményét szorozzuk meg (-1)x+yértékkel, hogy a képet “visszatoljuk”

  31. Szűrés frekvencia tartományban FFT Kép spektrum Pixel-pixel szorzás Szűrt spektrum Szűrő maszk Inverz FFT Szűrt kép

  32. Pont alapú Egyszerű intenzitás transzformációk Kép negálás Log transzformációk Hatvány transzformációk (gamma korrekció) Kontraszt növelés Intenzitás tartomány kiemelés Bit síkok kiemelése Hisztogram alapú Hisztogram kiegyenlítés Hisztogram illesztés Aritmetikai/logikai műveletek Képkivonás Kép átlagolás Maszk alapú (ablakos szűrők) Simító szűrők (részletek elmosása) Átlagoló, súlyozott átlagoló Gauss szűrő Binomiális szűrő Rank order szűrők (pl. median) Élesítő szűrők (részletek kiemelése) Élesítés Felül erősítés Differencia szűrők Laplace Gradiens • Szűrés frekvencia tartományban • Simító szűrők (részletek elmosása) • Ideális alul áteresztő • Butterworth alul áteresztő szűrő • Gauss alul áteresztő • Élesítő szűrők (részletek kiemelése) • Élesítés • Felűl erősítés • Laplace • Ideális felül áteresztő • Butterworth felül áteresztő szűrő • Gauss felül áteresztő szűrő • Homomorfszűrő

  33. Notch filter • Ez a szűrő az F(0,0) értéket hangsúlyozza, ami a a kép átlagos értéke (a spektrum dc komponense) • Kiemelkedő élek az outputban • Az output képet (annak negatív és 0 értékei miatt) skálázni kell!

  34. Különböző szűrők • Lowpass filter -alul áteresztőszűrő • Highpass filter- felül áteresztőszűrő • Band filter - sávszűrő • Homomorf szűrő (homomorphic filter)

  35. Tipikus szűrőalakok • E: frekvencia tartomány • W: képtartomány

  36. Alul áteresztő szűrő (kép lassan változó komponensei) • Ideális szűrő (ILPF) • D(u, v): (u, v) pont távolsága az origótól • Vágási frekvencia (D0) • Fizikailag nem valósítható meg • Körkörösen szimmetrikus • Butterworth szűrők (BLPF) • Gauss-féle alul áteresztő szűrő

  37. Simító szűrők frekvencia tartományban: Ideális alul áteresztő szűrő (ILPF)

  38. Teljesítmény körök (power circles)

  39. Példa - ILPF • Teljes teljesítmény spektrum • A teljesítmény spektrum nagy része relatíve kis körben helyezkedik el • Hirtelen vágási frekvencia miatt begyűrűzés

  40. Begyűrűzés példa • Begyűrűzés (ringing) • Maszk: -1/8 1 -1/8 • Input: 0 0 0 1 1 0 0 0 • Output: 0 0 -1/8 7/8 7/8 -1/8 0 0

  41. Teljesítmény százalékok 99.9699.6599.0497.84

  42. Butterworth alul áteresztő szűrő:BLPF

  43. Példa - BLPF

  44. BLPF térbeli reprezentációja

  45. Gauss alul áteresztő szűrő: GLPF

  46. Példa - GLPF

  47. Példa - GLPF

More Related