什么是图像频率?
来源:互联网 发布:算法基础 豆瓣 编辑:程序博客网 时间:2024/06/01 09:34
经常听到图像低频成份、高频成份等等,没有细想过,今天突然一想发现真的不明白是怎么回事,在知乎上发现某答案,引用如下:
首先说说图像频率的物理意义。图像可以看做是一个定义为二维平面上的信号,该信号的幅值对应于像素的灰度(对于彩色图像则是RGB三个分量),如果我们仅仅考虑图像上某一行像素,则可以将之视为一个定义在一维空间上信号,这个信号在形式上与传统的信号处理领域的时变信号是相似的。不过是一个是定义在空间域上的,而另一个是定义在时间域上的。所以图像的频率又称为空间频率,它反映了图像的像素灰度在空间中变化的情况。例如,一面墙壁的图像,由于灰度值分布平坦,其低频成分就较强,而高频成分较弱;而对于国际象棋棋盘或者沟壑纵横的卫星图片这类具有快速空间变化的图像来说,其高频成分会相对较强,低频则较弱(注意,是相对而言)。
再来谈一谈如何定量的测量图像的空间频率,最为常用的方法就是二维傅里叶变换。图像经过二维傅里叶变换后会形成与图像等大的复数矩阵,取其幅值形成幅度谱,取其相位形成相位谱。图像的频率能量分布主要体现在幅度谱中。通常习惯将低频成分放在幅度谱的中央,而将高频成分放在幅度谱边缘。大多数自然图像的幅度谱在统计上呈现1/f^2分布,也就是频率成分的能量与频率的平方成反比。所以从绝对数值上看,低频能量通常是要高于高频能量的,这一规则也称为power law。power law并非是上帝的无心之作,事实上power law的出现时源于自然图像的尺度不变性(scale invariance)。这一点在很多文献中被解释为从不同的距离观察同样的自然场景,获得的图像的幅度谱是基本相同的。相关内容可以搜索关键字power law & natural image statistics。
除了傅里叶变换外,正弦变换、余弦变换、Gabor变换、小波变换、WH变换也可以用来对图像频率分布进行定量测量。目前小波变换是研究的热点,因为小波变换不但能够反映频率能量的分布,同时还保留了图像特征的空间分布特性。
- 什么是图像频率?
- 什么是图像频率?
- 什么是频率补偿?
- 图像的空间频率
- 频率域图像增强
- 频率域图像增强
- 图像频率分析
- [转]图像梯度:图像频率
- 转 频率域图像增强
- 频率域图像处理基础
- 频率域中的图像滤波
- 频率域图像增强技术
- 频率域图像处理基础
- 频率域中的图像滤波
- 图像的频率域高斯低通滤波
- 频率域波图像增强
- 什么是音箱频率范围和频率响应
- 频率域上的图像增强
- ARM开发工具介绍
- Linux 命令大全
- Ubuntu下安装FTP服务(以VSFTPD为例
- 'telnet' is not recognized as an internal or external command
- HDU 4571 Travel in time (SPFA 或 dp)
- 什么是图像频率?
- css之不能移动的广告条
- 【算法入门经典】 第二章
- FILTER的执行次数和驱动表问题
- 【算法入门经典】 第三章
- C++中的默认函数与default和delete用法
- hive之UDF整理
- JAVA中静态的使用
- javaweb 各种知识网址大全