# https://zhuanlan.zhihu.com/p/649997859

### 卡尔曼滤波的核心原理是：通过观测值和预测值来模拟真实值
### 基于上一时刻的状态和系统模型，估算当前的状态值。

# 意思就是：先进行预测，然后再用卡尔曼滤波进行增益，得到最优估计值

卡尔曼滤波算法

# 频域图像增强知识点总结

> 基于蓝桥杯省赛一等奖选手的实验报告整理
> 适用：数字图像处理（DIP）课程复习

---

## 一、傅里叶变换基础

### 1.1 核心概念

**傅里叶变换**：将图像从**空域**（像素位置）转换到**频域**（频率成分）

```
空域图像 f(x,y)  --傅里叶变换-->  频域 F(u,v)
     ↑                                    ↓
   像素值                              频率成分
  (空间位置)                          (高低频分布)
```

### 1.2 图像中的频率

| 频率类型 | 对应图像特征 | 在频谱中的位置 |
|---------|------------|-------------|
| **低频** | 平滑区域、整体轮廓、缓慢变化 | 频谱中心 |
| **高频** | 边缘、细节、噪声、快速变化 | 频谱四周 |

### 1.3 MATLAB 核心函数

```matlab
% 1. 二维傅里叶变换
F = fft2(f);           % f 是输入图像，F 是频域表示

% 2. 频谱中心化（将低频移到中心）
Fshift = fftshift(F);

% 3. 显示频谱（取对数增强可视化）
S = log(1 + abs(Fshift));
imshow(S, []);

% 4. 逆傅里叶变换（回到空域）
f_back = ifft2(ifftshift(Fshift));
```

### 1.4 为什么需要 fftshift？

```
fft2 输出：          fftshift 后：
低频在四角            低频在中心
高频在中心            高频在四周

[高  低]            [低  高]
[低  高]     -->    [高  低]
```

**便于观察**：人眼习惯看中心为原点的图像

---

## 二、频域滤波器

### 2.1 理想滤波器

#### 理想低通滤波器（ILPF）

**原理**：只允许低频通过，高频全部阻断

$$
H(u,v) = \begin{cases} 1 & \text{if } D(u,v) \leq D_0 \\ 0 & \text{if } D(u,v) > D_0 \end{cases}
$$

其中 $D(u,v) = \sqrt{(u-M/2)^2 + (v-N/2)^2}$ 是到中心的距离

**效果**：
- ✅ 平滑图像，去除噪声
- ❌ 产生**振铃效应**（边缘有波纹）

#### 理想高通滤波器（IHPF）

$$
H(u,v) = \begin{cases} 0 & \text{if } D(u,v) \leq D_0 \\ 1 & \text{if } D(u,v) > D_0 \end{cases}
$$

**效果**：
- ✅ 增强边缘，图像锐化
- ❌ 也会丢失部分低频信息（图像变暗）

---

### 2.2 巴特沃斯滤波器（Butterworth）

**改进**：平滑过渡，减少振铃效应

#### 巴特沃斯低通滤波器（BLPF）

$$
H(u,v) = \frac{1}{1 + [D(u,v)/D_0]^{2n}}
$$

| 参数 | 含义 |
|------|------|
| $D_0$ | 截止频率 |
| $n$ | 阶数，控制过渡带陡峭程度 |

**特点**：
- $n=1$：最平滑，振铃效应最小
- $n$ 越大：越接近理想滤波器，振铃效应越明显

#### 巴特沃斯高通滤波器（BHPF）

$$
H(u,v) = \frac{1}{1 + [D_0/D(u,v)]^{2n}}
$$

---

### 2.3 高斯滤波器（Gaussian）

**最优**：完全没有振铃效应

#### 高斯低通滤波器（GLPF）

$$
H(u,v) = e^{-D^2(u,v)/2D_0^2}
$$

#### 高斯高通滤波器（GHPF）

$$
H(u,v) = 1 - e^{-D^2(u,v)/2D_0^2}
$$

**特点**：
- ✅ 频域和空域都是高斯形状
- ✅ 傅里叶变换后仍是高斯
- ✅ **无振铃效应**

---

## 三、三种滤波器对比

| 特性 | 理想滤波器 | 巴特沃斯滤波器 | 高斯滤波器 |
|------|-----------|--------------|-----------|
| **过渡带** | 突变（阶跃） | 平滑过渡 | 最平滑 |
| **振铃效应** | 严重 | 中等（n小则小） | 无 |
| **边缘保留** | 差 | 较好 | 最好 |
| **计算复杂度** | 低 | 中 | 中 |
| **推荐使用** | 教学演示 | 一般应用 | 高质量要求 |

---

## 四、频域滤波步骤

```
步骤1: 读入图像 f
           ↓
步骤2: 傅里叶变换 F = fft2(f)
           ↓
步骤3: 频谱中心化 Fshift = fftshift(F)
           ↓
步骤4: 构建滤波器 H（与Fshift同尺寸）
           ↓
步骤5: 频域相乘 G = H .* Fshift
           ↓
步骤6: 逆变换 g = ifft2(ifftshift(G))
           ↓
步骤7: 取实部 result = real(g)
```

---

## 五、高通滤波 + 常数偏移

### 5.1 为什么需要偏移？

高通滤波会丢失低频信息 → 图像整体变暗

### 5.2 解决方案

$$
H_{enhanced}(u,v) = a + b \cdot H_{HP}(u,v)
$$

或空域处理：
$$
g(x,y) = f(x,y) + k \cdot g_{HP}(x,y)
$$

**效果**：在保留边缘的同时，保持图像整体亮度

---

## 六、实验结果分析

### 6.1 低通滤波效果

| 截止频率 $D_0$ | 效果 |
|---------------|------|
| 小（如30） | 非常模糊，只剩轮廓 |
| 中（如60） | 适度平滑，噪声减少 |
| 大（如120） | 轻微平滑，细节保留 |

### 6.2 高通滤波效果

| 参数 | 效果 |
|------|------|
| 小 $D_0$ | 更多高频通过，边缘增强明显 |
| 大 $D_0$ | 较少高频通过，效果温和 |

### 6.3 振铃效应对比

```
理想低通：    巴特沃斯(n=2):   高斯低通：
边缘有波纹    边缘较平滑       边缘最自然
  ████         ████            ████
 █    █       █    █          █    █
█      █     █      █        █      █
```

---

## 七、关键公式总结

| 滤波器 | 低通公式 | 高通公式 |
|--------|---------|---------|
| **理想** | $H=1$ if $D\leq D_0$ | $H=0$ if $D\leq D_0$ |
| **巴特沃斯** | $\frac{1}{1+(D/D_0)^{2n}}$ | $\frac{1}{1+(D_0/D)^{2n}}$ |
| **高斯** | $e^{-D^2/2D_0^2}$ | $1-e^{-D^2/2D_0^2}$ |

---

## 八、MATLAB 代码示例

### 8.1 理想低通滤波器

```matlab
function H = ideal_lowpass(M, N, D0)
    % 创建频率网格
    u = 0:(M-1);
    v = 0:(N-1);
    idx = find(u > M/2);
    u(idx) = u(idx) - M;
    idy = find(v > N/2);
    v(idy) = v(idy) - N;
    [V, U] = meshgrid(v, u);
    D = sqrt(U.^2 + V.^2);
    
    % 理想低通滤波器
    H = double(D <= D0);
end
```

### 8.2 巴特沃斯低通滤波器

```matlab
function H = butterworth_lowpass(M, N, D0, n)
    % 创建频率网格
    u = 0:(M-1);
    v = 0:(N-1);
    idx = find(u > M/2);
    u(idx) = u(idx) - M;
    idy = find(v > N/2);
    v(idy) = v(idy) - N;
    [V, U] = meshgrid(v, u);
    D = sqrt(U.^2 + V.^2);
    
    % 巴特沃斯低通滤波器
    H = 1 ./ (1 + (D./D0).^(2*n));
end
```

### 8.3 高斯低通滤波器

```matlab
function H = gaussian_lowpass(M, N, D0)
    % 创建频率网格
    u = 0:(M-1);
    v = 0:(N-1);
    idx = find(u > M/2);
    u(idx) = u(idx) - M;
    idy = find(v > N/2);
    v(idy) = v(idy) - N;
    [V, U] = meshgrid(v, u);
    D = sqrt(U.^2 + V.^2);
    
    % 高斯低通滤波器
    H = exp(-(D.^2) ./ (2*D0^2));
end
```

### 8.4 完整滤波流程

```matlab
% 读取图像
f = imread('image.jpg');
f = rgb2gray(f);
f = im2double(f);

% 傅里叶变换
F = fft2(f);
Fshift = fftshift(F);

% 构建滤波器（以高斯低通为例）
[M, N] = size(f);
D0 = 50;  % 截止频率
H = gaussian_lowpass(M, N, D0);

% 频域滤波
G = H .* Fshift;

% 逆变换
g = ifft2(ifftshift(G));
g = real(g);

% 显示结果
figure;
subplot(1,2,1), imshow(f), title('原图');
subplot(1,2,2), imshow(g), title('滤波后');
```

---

## 九、常见考点

### 9.1 简答题

1. **为什么 fftshift 后低频在中心？**
   - 答：fft2 输出的频谱中，低频分布在四角，高频在中心。fftshift 将频谱四象限对调，使低频移到中心，便于观察和处理。

2. **三种滤波器的振铃效应对比？**
   - 答：理想滤波器振铃最严重（阶跃突变），巴特沃斯中等（n越小越平滑），高斯无振铃（最平滑过渡）。

3. **高通滤波后图像为什么变暗？**
   - 答：高通滤波去除了低频（直流分量和缓变区域），只保留高频（边缘），导致图像整体亮度下降。解决方法：加常数偏移或与原图叠加。

### 9.2 计算题

1. **给定 4×4 图像，计算傅里叶变换**
2. **设计截止频率为 30 的理想低通滤波器**
3. **比较不同阶数巴特沃斯滤波器的差异**

---

## 十、一句话总结

> **频域滤波 = 在频域用滤波器 H 乘以频谱 F，再逆变换回空域**
> 
> **低通 = 保留低频（平滑），高通 = 保留高频（锐化）**
> 
> **高斯最优无振铃，理想最差有振铃，巴特沃斯居中可调**

---

## 参考资料

- 实验报告：频域图像增强设计性实验
- 教材：《数字图像处理》（冈萨雷斯）
- MATLAB 官方文档：Image Processing Toolbox

---

*文档整理：2026年4月27日*
*整理者：蓝桥杯省赛一等奖选手*

命令行的艺术

线性分类器

### 1. 下载istoreos镜像
已经做了
### 2. 将镜像文件传到飞牛上面
已经做了
### 3. 安装镜像
已经做了
### 4. 配置过程查看视频
已经做了
### 5. 查看ip地址
quickstart
已经做了
### 6. 根据局域网IP地址进行网页访问
默认密码password
已经做了
### 7. 配置旁路由

### 8. 安装软件