Upload
beyla
View
30
Download
0
Embed Size (px)
DESCRIPTION
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 - PowerPoint PPT Presentation
Citation preview
Fourier transzformált,szűrés
frekvenciatartománybanVámossy Zoltán
2004
Gonzales – Woods: Digital Image Processing, Prentice Hall, 2002. alapján
2Vámossy Zoltán IAR 2004
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
3Vámossy Zoltán IAR 2004
Miért FT? – 1
4Vámossy Zoltán IAR 2004
Szűrés: 1. a kép Fourier transzformáltját szorozzuk a szűrő-függvény Fourier transzformáltjával H(u,v)
2. Inverz Fourier tr. segítségével visszatérünk képtartományba
Miért FT? – 2
5Vámossy Zoltán IAR 2004
Példa FT-re
6Vámossy Zoltán IAR 2004
Fourier sorok
Fourier sorok (SF) egy véges TF intervallumon bármely függvényt közelítik
TF intervallumon kívül, SF periodikusán ismétlődik TF
periódussal.
7Vámossy Zoltán IAR 2004
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
8Vámossy Zoltán IAR 2004
Fourier transzformáció (FT)
Frekvencia tartományban leírás
nfF
cn
u
v
(0,0)
9Vámossy Zoltán IAR 2004
10Vámossy Zoltán IAR 2004
1-D Fourier transzformáció
Fourier tr.:
Inverz FT:
Komplex alak:
Fourier spektrum Teljesítmény
spektrum (spektrál sűrűség)
Fázis szög:
DFTDiszkrét Fourier Tr.
CFTFolytonos Fourier Tr.
11Vámossy Zoltán IAR 2004
2-D Fourier transzformáció
CFT
DFT
12Vámossy Zoltán IAR 2004
Impulzus transzformáltR. N. Bracewell’s “Two-Dimensional Imaging,” Prentice Hall, 1995.
13Vámossy Zoltán IAR 2004
Néhány példa
Gauss Gauss
Gauss rámpa
Vonal impulzus
14Vámossy Zoltán IAR 2004
2D FT Pairs
15Vámossy Zoltán IAR 2004
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 …
16Vámossy Zoltán IAR 2004
A Fourier transzformáció megértése és implementálása
(0,0)
f(x,y)
x
y(0,0)
|F(u,v)|u
v
255
255
(0,0)
f(x,y)(-1)x+y
x
y
0
0
17Vámossy Zoltán IAR 2004
18Vámossy Zoltán IAR 2004
A Fourier transzformáció megértése és implementálása
Az “eltolási tulajdonság” (lásd később) értelmében:
(0,0)
f(x,y)x
y
-255
255
(0,0)
f(x,y)(-1)x+y
x
y
-0
0
(0,0)
|F(u-M/2,v-N/2)|u
v
19Vámossy Zoltán IAR 2004
Linearitás
FT lineáris képfeldolgozó módszer
Lineáris rendszer
x1(t) y1(t)x2(t) y2(t)
a*x1(t) + b*x2(t) a*y1(t) + b*y2(t)
20Vámossy Zoltán IAR 2004
Szeparálhatóság
f(x, y) F(x, v)Sor
tanszformáció F(u, v)Oszloptranszf.
21Vámossy Zoltán IAR 2004
Eltolási tulajdonság
22Vámossy Zoltán IAR 2004
Periodicitás és konjugált szimmetria
Periodicitás
Ha f(x, y) valós, akkor Fourier transzformáltja konjugált szimmetrikus
Fourier transzformált spektruma szimmetrikus
23Vámossy Zoltán IAR 2004
Példa – eltolt és log skálázott FT
24Vámossy Zoltán IAR 2004
Példa – periodicitás és eltolás
25Vámossy Zoltán IAR 2004
Elforgatás
26Vámossy Zoltán IAR 2004
Átlag
Átlag: a transzformáció értéke (u, v) = (0, 0)-ban a kép átlaga
27Vámossy Zoltán IAR 2004
A Laplace transzformált frekvencia tartományban
28Vámossy Zoltán IAR 2004
29Vámossy Zoltán IAR 2004
Konvolúció
Folyamatos és diszkrét konvolúció
Konvolúciós tétel:
A képtérben számított konvolúció a gyakorlatban gyorsabban számítható a frekvenciatartományban elem-elem szorzással egy bizonyos méret felett
30Vámossy Zoltán IAR 2004
Korreláció
Folytonos és diszkrét korreláció
Korrelációs tétel
31Vámossy Zoltán IAR 2004
Autokorreláció
Autokorreláció (önmagával vett kereszt korreláció) Autokorrelációs tétel
Alkalmazás: mintaillesztés
32Vámossy Zoltán IAR 2004
Szűrés főbb lépései (FTIFT)
f(x,y)(-1)x+y g(x,y)(-1)x+y
33Vámossy Zoltán IAR 2004
Szűrés frekvencia tartományban
1. Szorozzuk meg az input képet (-1)x+y értékkel, 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)
2. Számoljuk ki F(u,v)-t, az (1) kép DFT-ját3. Szorozzuk meg F(u,v)-t H(u,v) szűrő fgv-nyel4. Számoljuk ki (3) inverz DFT-ját5. (4) valós részét tekintsük6. Az (5) eredményét szorozzuk meg (-1)x+y
értékkel, hogy a képet “visszatoljuk”
34Vámossy Zoltán IAR 2004
Szűrés frekvencia tartományban
FFT Kép spektrum
Szűrő maszk
Inverz FFT
Pixel-pixel szorzás
Szűrt spektrum
Szűrt kép
35Vámossy Zoltán IAR 2004
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• Homomorf szűrő
36Vámossy Zoltán IAR 2004
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!
37Vámossy Zoltán IAR 2004
Különböző szűrők
Lowpass filter -alul áteresztőszűrő
Highpass filter- felül áteresztőszűrő
Band filter - sávszűrő
Homomorf szűrő (homomorphic filter)
38Vámossy Zoltán IAR 2004
Tipikus szűrőalakok
E: frekvencia tartomány W: képtartomány
39Vámossy Zoltán IAR 2004
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
40Vámossy Zoltán IAR 2004
Simító szűrők frekvencia tartományban: Ideális alul áteresztő szűrő (ILPF)
41Vámossy Zoltán IAR 2004
Teljesítmény körök (power circles)
42Vámossy Zoltán IAR 2004
Példa - ILPF
Teljes teljesítmény spektrum
A teljesítmény spektrum nagy része relatíve kis körben helyezkedik el
Hirtelen vágási frekvencia miatt begyűrűzés
43Vámossy Zoltán IAR 2004
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
44Vámossy Zoltán IAR 2004
Teljesítmény százalékok99.9699.6599.0497.84
45Vámossy Zoltán IAR 2004
Butterworth alul áteresztő szűrő: BLPF
46Vámossy Zoltán IAR 2004
Példa - BLPF
47Vámossy Zoltán IAR 2004
BLPF térbeli reprezentációja
48Vámossy Zoltán IAR 2004
Gauss alul áteresztő szűrő: GLPF
49Vámossy Zoltán IAR 2004
Példa - GLPF
50Vámossy Zoltán IAR 2004
Példa - GLPF
51Vámossy Zoltán IAR 2004
Felül áteresztő (gyorsan változó komponensek: élek, zajok) Ideális felül áteresztő (IHPF)
Butterworth felül áteresztő (BHPF)
Gauss felül áteresztő (GHPF)
52Vámossy Zoltán IAR 2004
A felül áteresztőknél adjunk hozzá a szűrő magasságának ½-ét
53Vámossy Zoltán IAR 2004
54Vámossy Zoltán IAR 2004
Az IHPF, BHPF és GHPFfelül áteresztő szűrők térbeli reprezentációja
55Vámossy Zoltán IAR 2004
Példa: IHPF
56Vámossy Zoltán IAR 2004
Példa: IHPF
57Vámossy Zoltán IAR 2004
Példa: BHPF
58Vámossy Zoltán IAR 2004
Példa: GHPF
Élesítő szűrők
Homomorf szűrő
60Vámossy Zoltán IAR 2004
Homomorf szűrés
Egyszerű képmodell:– f(x,y): monokróm kép szürkeségi értéke (vagy más
szóval intenzitása)– f(x, y) = i(x, y).r(x, y)– 0 < i(x, y) < ∞, megvilágítás– 0< r(x, y) < 1, visszaverődés (reflexió)
61Vámossy Zoltán IAR 2004
Homomorf szűrés
A megvilágítás komponens– Térben lassan változik– Alacsony frekvenciás
Reflexiós komponens– Hirtelen változások, főként nem hasonló objektumok
találkozásánál– Magas frekvenciás
Homomorf szűrők (Homomorphic filters)– Az alacsony és a magas frekvenciákra eltérően hat– Az alacsonyfrekvenciák dinamikus tartományát
összenyomja– Kiemeli a magas frekvenciákban a kontrasztot
62Vámossy Zoltán IAR 2004
Homomorf szűrés
63Vámossy Zoltán IAR 2004
Példa – Homomorf szűrés
64Vámossy Zoltán IAR 2004
Ellenőrző kérdések
Kép Fourier spektruma mit jelent? Milyen egy függőleges vonal Fourier spektruma és miért? Mi történik a Fourier spektrummal, ha a térbeli
koordinátákat skálázzuk?
65Vámossy Zoltán IAR 2004
Intenzitástartományban
Frekvencia tartományban– f*g F(f)G(g)– Fázis? Amplitúdó nagyság?– Hogyan egészítsük ki 0-kal (pad)?
Praktikus megfontolások – konvolúció implementálása frekvencia tartományban
66Vámossy Zoltán IAR 2004
67Vámossy Zoltán IAR 2004
68Vámossy Zoltán IAR 2004
69Vámossy Zoltán IAR 2004