14|14.3 使用Numpy实现高通滤波

点击此处返回总目录


本次课介绍在频域进行高通滤波。
频域就是傅里叶域。


一、高频和低频
低频:细节。
高频:边界。


14|14.3 使用Numpy实现高通滤波
文章图片



二、滤波
低通滤波:低频 通过
高通滤波:高频 通过

14|14.3 使用Numpy实现高通滤波
文章图片



我们这次讲 原始图像 -> 傅里叶变换-> 频域滤波-> 逆傅里叶变换 -> 图像


14|14.3 使用Numpy实现高通滤波
文章图片


低通滤波器:低频通过,高频衰减,细节保留、边界丢失,这样就能模糊一幅图像;
高通滤波器:图像边缘保留,细节丢失,但是由于细节丢失了,所以会导致图像对比度降低。

14|14.3 使用Numpy实现高通滤波
文章图片




三、高通滤波器

怎么做呢?
第一步:通过傅里叶变换得到频谱图像
14|14.3 使用Numpy实现高通滤波
文章图片


第二步,将低频覆盖掉
14|14.3 使用Numpy实现高通滤波
文章图片


覆盖到就是由原先的1变为0.

如何把一个图像的中心区域变为0呢?
14|14.3 使用Numpy实现高通滤波
文章图片




第三步,还原图像
14|14.3 使用Numpy实现高通滤波
文章图片


可以看到细节信息都丢掉了。保留了边缘。


代码:
14|14.3 使用Numpy实现高通滤波
文章图片



结果:
14|14.3 使用Numpy实现高通滤波
文章图片







【14|14.3 使用Numpy实现高通滤波】

    推荐阅读