一般我们见到的简单的图像处理都是空间域的处理。即图像是一个二维图像,每个点都有对应的坐标。
图像的频域理解起来并不是那么简单,因此我在这里说一下个人理解,希望帮助到需要帮助的人。本篇博文使用Halcon软件的示例以及图像进行展示。

首先需要说明的几点知识:
1.如果需要看频谱图是要进行傅里叶变换的,图像的傅里叶变换其实是将图像的灰度分布函数变换为图像的频率分布函数。
2.图像的频域中的高频分量对应图像的细节信息,图像低频分量对应图像的轮廓信息。高频分量代表的是信号的突变部分(即灰度值梯度大),而低频分量决定信号的整体形象(即梯度小)。
3.在频谱图中,可以看到亮度不同的点,这些点中亮度大就证明该点的梯度大(即高频分量),亮度小证明该点的梯度小(即低频分量)。
4.频谱图中中心部分代表高频分量,四周代表低频分量,尤其是四个顶点。

然后根据图像进行简单解释。

原图

然后进行傅里叶变换

rft_generic (Image, ImageFFT, 'to_freq', 'none', 'complex', Width)


傅里叶变换之后的频谱图

原图特征一致,图像梯度很小,则低频分量较多,高频分量较少。体现在频谱图中就是顶点部分更亮。而肉眼可以明显的看到图像中有一部分凸起,这部分的梯度就变大了,在频谱图中该部分就偏亮些。

然后可以对图像进行滤波

convol_fft (ImageFFT, Filter, ImageConvol)
rft_generic (ImageConvol, ImageFiltered, 'from_freq', 'n', 'real', Width)


滤波之后的图像

这样就可以将中间部分的凸起检测出来了。


有的图像在空间域中进行处理会很困难,例如该例中的检测缺陷。但是放到频域中就可以很简单的进行检测,比如我们看到的经过滤波之后的图像,待检测点部分的特征明显去其他地方不同。

作者:GL3_24
来源:CSDN
著作权归作者所有。转载请联系作者获得授权并注明出处。

图像的频域理解以及频域处理相关推荐

  1. 图像频率域分析之频域谱(FDE)

    Overview 欢迎访问 https://cgabc.xyz/posts/f31ca1ba/,持续更新. code: https://github.com/cggos/cvkit/blob/mast ...

  2. matlab频域滤波处理,手动滤波,图像去网格背景:频域中手动选择目标区域进行滤波,滤掉噪声,灵活地达到理想的效果。

    目录 一.原理简介 二.现有方法 三.代码实现 四.测试结果图 一.原理简介 主要思路为:通过傅里叶变换,将图像显示在频率域中,通过观察频谱图,如果了解频谱图与原图之间的关联,可以较为容易地发现噪声在 ...

  3. 图像算法四:【图像增强--频率域】傅里叶变换、快速傅里叶变换、频域滤波、频域低通滤波、频域高通滤波

    频率域滤波与空间域滤波殊途同归,空间域图像增强与频率域图像增强是两种截然不同的技术,实际上在相当程度上说它们是在不同的领域做相同的事情,只是有些滤波更适合在空间域完成,而有些则更适合在频率域中完成. ...

  4. 时序信号的时域、频域、时-频域特征提取

    文章目录 时域特征提取 频域特征提取 时-频域特征提取 参考资料 在面对工业中的传感器采集到的高维的信号,如振动信号,通常需要对数据进行统计特征提取,以进行降维.对于这类时序信号,常用的有时域.频域和 ...

  5. 图像DFT和DCT的频域真实频率

    图像的频率与波长 我们知道图像的空间域和频率域都是离散的.如果用二维DFT进行变换,(x,y)表示空间域坐标,(u,v)表示频率域坐标.以一行为例,那么x,u=0,1,-N-1. 这个N就是图像一行的 ...

  6. 频域自适应 matlab,频域自适应滤波算法及应用.doc

    频域自适应滤波算法及应用 本科毕业设计 频域自适应滤波算法及应用 华 南 理 工 大 学 毕 业 设 计 (论文) 任 务 书 兹发给 级 班学生毕业设计(论文)任务书,内容如下: 1.毕业设计(论文 ...

  7. 主成分分析(PCA):通过图像可视化深入理解

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 主成分分析简介 主成分分析(PCA)是一种广泛应用于机器学习的降维 ...

  8. 图像--RAW格式理解

    转载来源: https://blog.csdn.net/Kelvin_Yan/article/details/81065278 http://bbs.fengniao.com/forum/113640 ...

  9. 核磁共振数据中DCM图像的坐标系——从世界坐标系到图像坐标系的理解与转换,从矩阵坐标转换至MNI坐标

    从矩阵坐标转换至MNI坐标 假设矩阵坐标:X=3,Y = 5, Z = 6; 方法一:mx = 90-3*(X-1); my = 3*(Y-1)-126; mz = 3*(Z-1) - 72; 方法二 ...

最新文章

  1. linux下配置环境变量【原创】
  2. 【深度】阿里巴巴万级规模 K8s 集群全局高可用体系之美
  3. 一大批中文(BERT等)预训练模型等你认领!
  4. 一行代码搞定WordPress面包屑导航breadcrumb
  5. linux cron计划任务
  6. 1040 有几个PAT(PAT乙级 C++)
  7. [转载]如何做到 jQuery-free?
  8. 前端学习(1904)vue之电商管理系统电商系统之修改用户的操作
  9. 工作3年和工作7年的程序员到底差在哪里?
  10. Win10 Nodejs搭建http-server注意点
  11. 聚奎中学2021高考成绩查询,江津2017全体高考考生的喜报
  12. 关于msgpack序列化后的消息包是否再压缩
  13. 【入门书籍】新手入门机器学习,强烈推荐这几本书籍
  14. 3G技术与UMTS网络-1
  15. 英语思维导图大全 基础语法(二)
  16. 桥田智能:热烈欢迎中欧总经理班的同学们莅临桥田参观、交流
  17. 改进后的速算小游戏(2011211909 苟玲、2011211933 郝怡然)
  18. 一回来又恢复了往日的无聊生活
  19. QEMU 7.1发布
  20. 一个互联网技术从业者的管理认知思考

热门文章

  1. 一文学会JavaScript计时事件
  2. Fire Emblem Echoes oj
  3. 第二单元 测试计划总结
  4. D50.1.0 如何使用OpenGL绘制三维坐标系
  5. 三菱服务器al32维修,三菱伺服报警AL32维修
  6. 怎么用手机修复老照片?手机修复老照片方法分享
  7. Servlet 过滤器( Filter )
  8. U盘无法访问:硬盘结构损坏且无法读取
  9. ffmpeg将视频从隔行扫描转为逐行扫描
  10. ajax导致csrf验证失败的解决方法