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

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。
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）。
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

给定 4×4 图像，计算傅里叶变换
设计截止频率为 30 的理想低通滤波器
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

目录