高通滤波、低通滤波、带通滤波 python实现 - 我坚信阳光灿烂

时间:2024-03-01 15:12:35

高通滤波、低通滤波、带通滤波 python实现

创作不易,如果此文使您有收获,记得点赞哦!


一. 傅里叶变化原理:

    https://www.cnblogs.com/wojianxin/p/12529809.html


二. 高通滤波、低通滤波、带通滤波:

    高通滤波:高频信息通过,低频信息被阻挡;

    低通滤波:低频信息通过,高频信息被阻挡;

    带通滤波:介于低频和高频之间的一带信息通过,其它信息被阻挡。


图解高通、低通、带通滤波器 ↑
 

三. python实现高通滤波实验:

 1 # Writer : wojianxinygcl@163.com
 2 
 3 # Data  : 2020.3.20
 4 
 5 import cv2
 6 
 7 import numpy as np
 8 
 9 from matplotlib import pyplot as plt
10 
11 #读取图像
12 
13 img = cv2.imread(\'../paojie_g.jpg\', 0)
14 
15 #傅里叶变换
16 
17 dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)
18 
19 fshift = np.fft.fftshift(dft)
20 
21 #设置高通滤波器
22 
23 rows, cols = img.shape
24 
25 crow,ccol = int(rows/2), int(cols/2) #中心位置
26 
27 mask = np.ones((rows, cols, 2), np.uint8)
28 
29 mask[crow-30:crow+30, ccol-30:ccol+30] = 0
30 
31 #掩膜图像和频谱图像乘积
32 
33 f = fshift * mask
34 
35 #傅里叶逆变换
36 
37 ishift = np.fft.ifftshift(f)
38 
39 iimg = cv2.idft(ishift)
40 
41 res = cv2.magnitude(iimg[:,:,0], iimg[:,:,1])
42 
43 #显示原始图像和高通滤波处理图像
44 
45 plt.subplot(121), plt.imshow(img, \'gray\'), plt.title(\'Original Image\')
46 
47 plt.axis(\'off\')
48 
49 plt.subplot(122), plt.imshow(res, \'gray\'), plt.title(\'High Pass Filter Image\')
50 
51 plt.axis(\'off\')
52 
53 plt.show()

 


四. 高通滤波实验结果:


高通滤波实验结果 ↑
 

五. python实现低通滤波实验:

 1 # Writer : wojianxinygcl@163.com
 2 
 3 # Data  : 2020.3.20
 4 
 5 import cv2
 6 
 7 import numpy as np
 8 
 9 from matplotlib import pyplot as plt
10 
11 #读取图像
12 
13 img = cv2.imread(\'../paojie_g.jpg\', 0)
14 
15 #傅里叶变换
16 
17 dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)
18 
19 fshift = np.fft.fftshift(dft)
20 
21 #设置低通滤波器
22 
23 rows, cols = img.shape
24 
25 crow,ccol = int(rows/2), int(cols/2) #中心位置
26 
27 mask = np.zeros((rows, cols, 2), np.uint8)
28 
29 mask[crow-30:crow+30, ccol-30:ccol+30] = 1
30 
31 #掩膜图像和频谱图像乘积
32 
33 f = fshift * mask
34 
35 #傅里叶逆变换
36 
37 ishift = np.fft.ifftshift(f)
38 
39 iimg = cv2.idft(ishift)
40 
41 res = cv2.magnitude(iimg[:,:,0], iimg[:,:,1])
42 
43 #显示原始图像和低通滤波处理图像
44 
45 plt.subplot(121), plt.imshow(img, \'gray\'), plt.title(\'Original Image\')
46 
47 plt.axis(\'off\')
48 
49 plt.subplot(122), plt.imshow(res, \'gray\'), plt.title(\'Low Pass Filter Image\')
50 
51 plt.axis(\'off\')
52 
53 plt.show()

 


六. 低通滤波实验结果:


低通滤波实验结果 ↑
 

七. python实现带通滤波实验:

 1 # Writer : wojianxinygcl@163.com
 2 
 3 # Data  : 2020.3.20
 4 
 5 import cv2
 6 
 7 import numpy as np
 8 
 9 import math
10 
11 from matplotlib import pyplot as plt
12 
13 #读取图像
14 
15 img = cv2.imread(\'../paojie_g.jpg\', 0)
16 
17 #傅里叶变换
18 
19 dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)
20 
21 fshift = np.fft.fftshift(dft)
22 
23 #设置带通滤波器
24 
25 # w 带宽
26 
27 # radius: 带中心到频率平面原点的距离
28 
29 rows, cols = img.shape
30 
31 crow,ccol = int(rows/2), int(cols/2) #中心位置
32 
33 w = 30
34 
35 radius = 30
36 
37 mask = np.ones((rows, cols, 2), np.uint8)
38 
39 for i in range(0, rows):
40 
41     for j in range(0, cols):
42 
43         # 计算(i, j)到中心点的距离
44 
45         d = math.sqrt(pow(i - crow, 2) + pow(j - ccol, 2))
46 
47         if radius - w / 2 < d < radius + w / 2:
48 
49             mask[i, j, 0] = mask[i, j, 1] = 0
50 
51         else:
52 
53             mask[i, j, 0] = mask[i, j, 1] = 1
54 
55 #掩膜图像和频谱图像乘积
56 
57 f = fshift * mask
58 
59 #傅里叶逆变换
60 
61 ishift = np.fft.ifftshift(f)
62 
63 iimg = cv2.idft(ishift)
64 
65 res = cv2.magnitude(iimg[:,:,0], iimg[:,:,1])
66 
67 #显示原始图像和带通滤波处理图像
68 
69 plt.subplot(121), plt.imshow(img, \'gray\'), plt.title(\'Original Image\')
70 
71 plt.axis(\'off\')
72 
73 plt.subplot(122), plt.imshow(res, \'gray\'), plt.title(\'Band Pass Filter Image\')
74 
75 plt.axis(\'off\')
76 
77 plt.show()

 


八. 带通滤波实验结果:


带通滤波实验结果 ↑
 

九. 总结:

        高通滤波,通过了高频信息,提取了图像边缘和噪声;低通滤波,通过了低频信息,保留了图像背景和基本内容,图像边缘被阻挡,图像变模糊;带通滤波,阻挡了部分特别高频信息和特别低频信息,相对高通滤波来讲,提取的图像边缘减少,相对低通滤波来讲,保留的图像内容也减少。


十. 参考内容:

        https://www.jianshu.com/p/28b03ea8592b


十一. 版权声明:

        未经作者允许,请勿随意转载抄袭,抄袭情节严重者,作者将考虑追究其法律责任,创作不易,感谢您的理解和配合!