W ostatnim tutorialu, krótko omówiliśmy filtry. W tym tutorialu omówimy je dokładnie. Zanim przejdziemy do omówienia filtrów, porozmawiajmy najpierw o maskach. Pojęcie maski zostało omówione w naszym samouczku dotyczącym konwolucji i masek.
- Maski rozmywające vs maski pochodne
- Maski rozmywające
- Maski pochodne
- Zależność między maską rozmywającą a maską pochodną z filtrami górnoprzepustowymi i dolnoprzepustowymi.
- Składowe częstotliwości górnoprzepustowe i składowe częstotliwości dolnoprzepustowe
- Idealne filtry dolnoprzepustowe i idealne filtry górnoprzepustowe
- Przykładowy obraz
- Obraz w dziedzinie częstotliwości
- Zastosowanie filtru na tym obrazie
- Obraz wynikowy
- Gaussian Low Pass and Gaussian High Pass filter
- Gaussian Filtr dolnoprzepustowy
- Gaussowski filtr górnoprzepustowy
Maski rozmywające vs maski pochodne
Przeprowadzimy porównanie pomiędzy maskami rozmywającymi a maskami pochodnymi.
Maski rozmywające
Maska rozmywająca ma następujące właściwości.
- Wszystkie wartości w maskach rozmywających są dodatnie
- Suma wszystkich wartości jest równa 1
- Zawartość krawędzi jest redukowana przez użycie maski rozmywającej
- Wraz ze wzrostem rozmiaru maski nastąpi większy efekt wygładzania
Maski pochodne
Maska pochodna ma następujące właściwości.
- Maska pochodna ma wartości dodatnie, jak również ujemne
- Suma wszystkich wartości w masce pochodnej jest równa zeru
- Zawartość krawędzi jest zwiększana przez maskę pochodną
- Wraz ze wzrostem rozmiaru maski zwiększa się zawartość krawędzi
Zależność między maską rozmywającą a maską pochodną z filtrami górnoprzepustowymi i dolnoprzepustowymi.
Zależność między maską rozmywającą i maską pochodną z filtrem górnoprzepustowym i filtrem dolnoprzepustowym można zdefiniować w prosty sposób jako.
- Maski rozmywające są również nazywane filtrem dolnoprzepustowym
- Maski pochodne są również nazywane filtrem górnoprzepustowym
Składowe częstotliwości górnoprzepustowe i składowe częstotliwości dolnoprzepustowe
Składowe częstotliwości górnoprzepustowe oznaczają krawędzie, natomiast składowe częstotliwości dolnoprzepustowe oznaczają gładkie regiony.
Idealne filtry dolnoprzepustowe i idealne filtry górnoprzepustowe
To jest wspólny przykład filtru dolnoprzepustowego.
Gdy jedynka jest umieszczona wewnątrz, a zero na zewnątrz, otrzymujemy rozmazany obraz. Teraz, gdy zwiększamy rozmiar 1, rozmycie będzie zwiększone, a zawartość krawędzi będzie zmniejszona.
Jest to powszechny przykład filtru górnoprzepustowego.
Gdy 0 jest umieszczone wewnątrz, otrzymujemy krawędzie, co daje nam naszkicowany obraz. Idealny filtr dolnoprzepustowy w dziedzinie częstotliwości jest podany poniżej.
Idealny filtr dolnoprzepustowy można przedstawić graficznie jako
Teraz zastosujmy ten filtr do rzeczywistego obrazu i zobaczmy, co uzyskaliśmy.
Przykładowy obraz
Obraz w dziedzinie częstotliwości
Zastosowanie filtru na tym obrazie
Obraz wynikowy
W ten sam sposób, idealny filtr górnoprzepustowy może być zastosowany na obrazie. Ale oczywiście wyniki będą inne, ponieważ filtr dolnoprzepustowy zmniejsza zawartość krawędzi, a górnoprzepustowy ją zwiększa.
Gaussian Low Pass and Gaussian High Pass filter
Gaussian low pass and Gaussian high pass filter minimalizują problem, który występuje w idealnym filtrze dolnoprzepustowym i górnoprzepustowym.
Problem ten jest znany jako efekt dzwonienia. Wynika to z powodu, ponieważ w niektórych punktach przejście między jednym kolorem a drugim nie może być dokładnie zdefiniowane, z powodu czego efekt dzwonienia pojawia się w tym punkcie.
Spójrz na ten wykres.
To jest reprezentacja idealnego filtra dolnoprzepustowego. Teraz w dokładnym punkcie Do, nie można powiedzieć, że wartość będzie 0 lub 1. Ze względu na które efekt dzwonienia pojawia się w tym punkcie.
Więc w celu zmniejszenia efektu, który pojawia się jest idealny filtr dolnoprzepustowy i idealny filtr górnoprzepustowy, następujące Gaussian filtr dolnoprzepustowy i Gaussian filtr górnoprzepustowy jest wprowadzony.
Gaussian Filtr dolnoprzepustowy
Koncepcja filtrowania i dolnoprzepustowy pozostaje taka sama, ale tylko przejście staje się inna i stają się bardziej gładkie.
Gaussian filtr dolnoprzepustowy może być reprezentowany jako
Zauważ gładkie przejście krzywej, dzięki czemu w każdym punkcie, wartość Do, może być dokładnie określona.
Gaussowski filtr górnoprzepustowy
Gaussowski filtr górnoprzepustowy ma taką samą koncepcję jak idealny filtr górnoprzepustowy, ale ponownie przejście jest bardziej gładkie w porównaniu z idealnym.
.