图像处理中的高频和低频_图像处理 高频和低频 - CSDN
  • 图像高频和低频

    2019-11-21 09:22:10
    该信号的幅值对应于像素的灰度值(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的信号,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。...

    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值(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的信号,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)。

    举个可能不大恰当的例子:

    人眼对图像中的高频信号更为敏感,假如你是一个近视,面对一幅图象,你戴上眼镜,盯紧一个地方看到的是高频分量;摘掉眼镜,眯起眼睛,模模糊糊看到的就是低频分量。

    池化操作时在卷积神经网络中经常采用过的一个基本操作,一般在卷积层后面都会接一个池化操作,但是近些年比较主流的ImageNet上的分类算法模型都是使用的max-pooling,很少使用average-pooling,通常来讲,max-pooling的效果更好,虽然max-pooling和average-pooling都对数据做了下采样,但是max-pooling感觉更像是做了特征选择,选出了分类辨识度更好的特征,提供了非线性,根据相关理论,特征提取的误差主要来自两个方面:(1)邻域大小受限造成的估计值方差增大;(2)卷积层参数误差造成估计均值的偏移。一般来说,average-pooling能减小第一种误差,更多的保留图像的背景信息(这里可以理解为average-pooling保留图像的低频信息),max-pooling能减小第二种误差,更多的保留纹理信息(max-pooling更能保留图像的高频信息)。average-pooling更强调对整体特征信息进行一层下采样,在减少参数维度的贡献上更大一点,更多的体现在信息的完整传递这个维度上,在一个很大很有代表性的模型中,比如说DenseNet中的模块之间的连接大多采用average-pooling,在减少维度的同时,更有利信息传递到下一个模块进行特征提取。

    但是average-pooling在全局平均池化操作中应用也比较广,在ResNet和Inception结构中最后一层都使用了平均池化。

     

    参考:

    https://blog.csdn.net/u012193416/article/details/79432668

    展开全文
  • 图像中高频和低频分量

    千次阅读 2015-09-30 00:32:25
    图像看成二维函数,变化剧烈的地方就对应高频,反之低频。 举个通俗易懂的例子: 一幅图象,你戴上眼镜,盯紧了一个地方看到的是高频分量 摘掉眼镜,眯起眼睛,模模糊糊看到的就是低频分量。  图像的高低频是对

    形象一点说:亮度或灰度变化激烈的地方对应高频成分,如边缘,噪音;变化不大的地方对于低频成分,如大片色块区。

    画个直方图,大块区域是低频,小块或离散的是高频。

     

    把图像看成二维函数,变化剧烈的地方就对应高频,反之低频。
    举个通俗易懂的例子:
    一幅图象,你戴上眼镜,盯紧了一个地方看到的是高频分量
    摘掉眼镜,眯起眼睛,模模糊糊看到的就是低频分量。  

    图像的高低频是对图像各个位置之间强度变化的一种度量方法.

    低频分量:主要对整副图像的强度的综合度量.

    高频分量:主要是对图像边缘和轮廓的度量.

    如果一副图像的各个位置的强度大小相等,则图像只存在低频分量,从图像的频谱图上看,只有一个主峰,且位于频率为零的位置.

    如果一副图像的各个位置的强度变化剧烈,则图像不仅存在低频分量,同时也存在多种高频分量,从图像的频谱上看,不仅有一个主峰,同时也存在多个旁峰.

    以上的现象可以通过对傅里叶变换的公式分析得出.

    以下所说的积分是对x进行的.

    exp(-jwx)的数值变化是均匀的,如果对exp(-jwx)进行积分,则积分值为零.如果对exp(-jwx)乘以一个加权函数f(x),则在对f(x)exp(-jwx)进行积分,积分值不一定为零.如果exp(-jwx)的取值为1时,则对f(x)exp(-jwx)积分,既为对f(x)积分,此时f(x)exp(-jwx)最大,既频谱中的主峰.如果f(x) 是常数则, 除w=0处f(x)exp(-jwx)的积分不为零外,在w不为零的其它处,f(x)exp(-jwx)的积分都为零.


    欢迎登陆我的个人主页,hello2019,查看原文:http://richardliu.cn/

    展开全文
  • 图像中高频分量和低频分量

    千次阅读 2013-12-11 13:55:58
    形象一点说:亮度或灰度变化激烈的地方对应高频成分,如边缘;...把图像看成二维函数,变化剧烈的地方就对应高频,反之低频。 举个通俗易懂的例子: 一幅图象,你戴上眼镜,盯紧了一个地方看到的

    转载自:http://blog.sina.com.cn/s/blog_8da31aa3010142x8.html

    形象一点说:亮度或灰度变化激烈的地方对应高频成分,如边缘;变化不大的地方对于低频成分,如大片色块区

    画个直方图,大块区域是低频,小块或离散的是高频
     
    把图像看成二维函数,变化剧烈的地方就对应高频,反之低频。
    举个通俗易懂的例子:
    一幅图象,你戴上眼镜,盯紧了一个地方看到的是高频分量
    摘掉眼镜,眯起眼睛,模模糊糊看到的就是低频分量。  
    图像的高低频是对图像各个位置之间强度变化的一种度量方法.
    低频分量:主要对整副图像的强度的综合度量.
    高频分量:主要是对图像边缘和轮廓的度量.
    如果一副图像的各个位置的强度大小相等,则图像只存在低频分量,从图像的频谱图上看,只有一个主峰,且位于频率为零的位置.
    如果一副图像的各个位置的强度变化剧烈,则图像不仅存在低频分量,同时也存在多种高频分量,从图像的频谱上看,不仅有一个主峰,同时也存在多个旁峰.
    以上的现象可以通过对傅里叶变换的公式分析得出.
    以下所说的积分是对x进行的.
    exp(-jwx)的数值变化是均匀的,如果对exp(-jwx)进行积分,则积分值为零.如果对exp(-jwx)乘以一个加权函数f(x),则在对f(x)exp(-jwx)进行积分,积分值不一定为零.如果exp(-jwx)的取值为1时,则对f(x)exp(-jwx)积分,既为对f(x)积分,此时f(x)exp(-jwx)最大,既频谱中的主峰.如果f(x) 是常数则, 除w=0处f(x)exp(-jwx)的积分不为零外,在w不为零的其它处,f(x)exp(-jwx)的积分都为零.
    展开全文
  • 数字图像处理(3): 图像高频分量与低频分量

    千次阅读 多人点赞 2019-07-02 13:38:39
    1 为什么图像边缘是图像高频分量呢? 2 图像傅立叶变换的物理意义 参考资料 1 为什么图像边缘是图像高频分量呢? 网上有一个解释非常形象:将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理...

    目录

    1 为什么图像边缘是图像高频分量呢?

    2 图像傅立叶变换的物理意义

    参考资料


     

    1 为什么图像边缘是图像高频分量呢?

    网上有一个解释非常形象:将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器,每个成分的颜色由波长(或频率)来决定。

    傅里叶变换可以看作是数学上的棱镜,将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率谱。同样, 傅立叶变换使我们能通过频率成分来分析一个函数。

     

    2 图像傅立叶变换的物理意义

    图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度。如:大面积的沙漠在图像中是一片灰度变化缓慢的区域,对应的频率值很低;而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域,对应的频率值较高。

    从纯粹的数学意义上看,傅立叶变换是将一个函数转换为一系列周期函数来处理的。

    从物理效果看,傅立叶变换是将图像从空间域转换到频率域傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数,傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。

     

    对图像而言:

    低频分量(低频信号):代表着图像中亮度或者灰度值变化缓慢的区域,也就是图像中大片平坦的区域,描述了图像的主要部分,是对整幅图像强度的综合度量。

    高频分量(高频信号):对应着图像变化剧烈的部分,也就是图像的边缘(轮廓)或者噪声以及细节部分。 主要是对图像边缘和轮廓的度量,而人眼对高频分量比较敏感。之所以说噪声也对应着高频分量,是因为图像噪声在大部分情况下都是高频的。

    图像进行二维傅立叶变换得到频谱图,就是图像梯度的分布图,如下图所示,右图为左图的频谱图。

    注意:频谱图上的各点与图像上各点并不存在一一对应的关系,即使在不移频的情况下也是没有。傅立叶频谱图上我们看到的明暗不一的亮点,实际是上图像上某一点与邻域点差异的强弱,即梯度的大小,也即该点的频率的大小(可以这么理解,图像中的低频部分指低梯度的点,高频部分相反)。

    傅立叶变换以前,图像(未压缩的位图)是由对在连续空间(现实空间)上的采样得到一系列点的集合,我们习惯用一个二维矩阵表示空间上各点,则图像可由z = f(x,y)来表示。由于空间是三维的,图像是二维的,因此空间中物体在另一个维度上的关系就由梯度来表示,这样我们可以通过观察图像得知物体在三维空间中的对应关系。为什么要用梯度?因为实际上对图像进行二维傅立叶变换得到频谱图,就是图像梯度的分布图。

     

    我的一点理解

    我们在学习图像频率滤波,能看出来,频域上操作的效果比空间域上操作的效果好。但是很难理解为什么要这么做。其实可以这么理解,例如,有一幅含噪声的图像,若对图像进行空间域操作,使用均值滤波,那么噪声未知的像素点会被周围像素点求均值取代,可能效果会比原图好一点,但是这对原有图像的有些信息造成损失(像素取均值)。

    那么将图像在频率域上进行操作,噪声在频率上反映是高频信息,通过设置相应的滤波器,滤除噪声。然后从频域还原回来。此时图像的有用的信息不会损失。

     

    参考资料

    [1] http://blog.sina.com.cn/s/blog_8da31aa3010142x8.html

    [2] https://blog.csdn.net/Chaolei3/article/details/79443520

    [3] http://blog.sina.com.cn/s/blog_a98e39a201012hpp.html#cmt_532CFB31-7F000001-7D764EA9-873-8A0

    [4] https://blog.csdn.net/charlene_bo/article/details/70877999

    [5] https://blog.csdn.net/yxswhy/article/details/78915737

     

    展开全文
  • 图像高频信号和低频信号的理解

    万次阅读 2016-04-08 16:46:19
     图像中低频信号和高频信号也叫做低频分量和高频分量。    简单一点说,图像中高频分量,指的是图像强度(亮度/灰度)变化剧烈的地方,也就是 我们常说的边缘(轮廓);图像中低频分量,指的是图像强度...
  • ps: 如果有任何问题可以评论留言,我看到后会及时解答,评论或关注,您的鼓励是我分享的最大动力 转载请注明出处: 图像的频率 ... 对于一幅图像来说,除去高频的就是低频了,也就是边缘以内的内容为...
  • 变化不大的地方对于低频成分,如大片色块区画个直方图,大块区域是低频,小块或离散的是高频图像看成二维函数,变化剧烈的地方就对应高频,反之低频。 举个通俗易懂的例子: 一幅图象,你戴上眼镜,盯紧了一个地方...
  • 为什么说图像低频是轮廓,高频是噪声细节

    万次阅读 多人点赞 2017-04-27 20:43:28
    对于一幅图像来说,除去高频的就是低频了,也就是边缘以内的内容为低频,而边缘内的内容就是图像的大部分信息,即图像的大致概貌轮廓,是图像的近似信息。 (2)什么是高频?  反过来,
  • 高频低频图像的理解

    2020-08-05 13:25:11
    对于一副图像来说,除去高频就是低频了,也就是边缘以内的内容为低频,而边缘内的内容就是图像的大部分信息,即图像的大致概貌轮廓,是图像的近似信息。 高频就是频率变化快,就是相邻区域之间灰度相差很大。图像...
  • 低频信息(低频分量):表示图像中灰度值变化缓慢的区域,对应着图像中大块平坦的区域。 高频信息(高频分量):表示图像中灰度值变化剧烈的区域,对应着图像的边缘(轮廓)、噪声以及细节部分。 低频分量主要对整幅...
  • 理解图像中低频分量和高频分量

    万次阅读 2019-12-03 10:49:50
    参考: http://blog.sina.com.cn/s/blog_8da31aa3010142x8.html ...总得来说,低频分量(低频信号)代表着图像中亮度或者灰度值变化缓慢的区域,也就是图像中大片平坦的区...
  • 图像低频高频区域分离 小波变换

    千次阅读 2017-10-24 17:28:16
    图像低频高频区域分离
  • 图像低频高频区域分离

    千次阅读 2016-03-23 10:44:41
     本篇整理记录利用小波分离图像高频低频部分信息。 具体实现  实现代码参考资料:小波变换 C++ opencv 实现。 小波变换  小波生成参考资料一致。小波变换,首先抽取出原图像的每一行,进行小...
  • 总得来说,低频分量(低频信号)代表着图像中亮度或者灰度值变化缓慢的区域,也就是图像中大片平坦的区域,描述了图像的主要部分。高频分量(高频信号)对应着图像变化剧烈的部分,也就是图像的边缘(轮廓)或者噪声...
1 2 3 4 5 ... 20
收藏数 7,052
精华内容 2,820
关键字:

图像处理中的高频和低频