为什么说图像的低频是轮廓，高频是噪声和细节

2024-05-17 05:16:06

图像的频率：灰度值变化剧烈程度的指标，是灰度在平面空间上的梯度。

（1）什么是低频?

低频就是颜色缓慢地变化,也就是灰度缓慢地变化,就代表着那是连续渐变的一块区域,这部分就是低频. 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，即图像的大致概貌和轮廓，是图像的近似信息。

（2）什么是高频?

反过来, 高频就是频率变化快.图像中什么时候灰度变化快?就是相邻区域之间灰度相差很大,这就是变化得快.图像中,一个影像与背景的边缘部位,通常会有明显的差别,也就是说变化那条边线那里,灰度变化很快,也即是变化频率高的部位.因此，图像边缘的灰度值变化快，就对应着频率高，即高频显示图像边缘。图像的细节处也是属于灰度值急剧变化的区域，正是因为灰度值的急剧变化，才会出现细节。
另外噪声（即噪点）也是这样,在一个像素所在的位置,之所以是噪点,就是因为它与正常的点颜色不一样了，也就是说该像素点灰度值明显不一样了,,也就是灰度有快速地变化了,所以是高频部分，因此有噪声在高频这么一说。

其实归根到底,是因为我们人眼识别物体就是这样的.假如你穿一个红衣服在红色背景布前拍照,你能很好地识别么?不能,因为衣服与背景融为一体了,没有变化,所以看不出来,除非有灯光从某解度照在人物身上,这样边缘处会出现高亮和阴影,这样我们就能看到一些轮廓线,这些线就是颜色（即灰度）很不一样的地方.
---------------------
作者：charlene_bo
来源：CSDN
原文：https://blog.csdn.net/charlene_bo/article/details/70877999
版权声明：本文为博主原创文章，转载请附上博文链接！

为什么说图像的低频是轮廓，高频是噪声和细节相关推荐

图像的低频是轮廓，高频是噪声和细节小波变换
参考:http://blog.csdn.net/charlene_bo/article/details/70877999 图像的频率:灰度值变化剧烈程度的指标,是灰度在平面空间上的梯度. (1)什么是 ...
图像处理——低频、高频和噪声、细节、边缘
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 (1)定义:该图像灰度值变化剧烈程度的指标,是灰度在平面空间上的梯度. ( ...
图像的低频，中频，高频信息含义？
看很多图像处理的博文,都会说图像的主要成分是低频信息,它形成了图像的基本灰度等级,对图像结构的决定作用较小:中频信息决定了图像的基本结构,形成了图像的主要边缘结构:高频信息形成了图像的边缘和细节,是在 ...
使用OpenCV Mat对图片低频信息、高频信息提取及无损还原（高斯模糊、做差、求和）
为了还原一篇论文.里面用到了提取图像的低频信息.高频信息.及还原技术.现在使用opencv进行复现,里面有一些注意事项特此记录参考链接: OpenCV中对Mat矩阵加.减.乘.除.转置等操作的总结 ...
增强低频和高频 matlab,实验名称高斯低频滤波及高频增强滤波.doc
实验名称高斯低频滤波及高频增强滤波实验名称高斯低频滤波及高频增强滤波实验代号 N0.3 课程名称数字图像处理学生姓名王琰完成时间 2008年10月11日递交时间 2008年10月15 ...
Halcon算子--图像、区域、轮廓、测量、拟合、垂足、夹角
Halcon算子–图像.区域.轮廓.测量.拟合.垂足.夹角 read_image (Image,'fabrik') 画矩形 draw_rectangle1 (3600, Row1, Column1, ...
Python-OpenCV 处理图像（五）：图像中边界和轮廓检测
关于边缘检测的基础来自于一个事实,即在边缘部分,像素值出现"跳跃"或者较大的变化.如果在此边缘部分求取一阶导数,就会看到极值的出现. 而在一阶导数为极值的地方,二阶导数为0,基于这 ...
Python-OpenCV 处理图像（四）（五）：图像直方图和反向投影图像中边界和轮廓检测
当我们想比较两张图片相似度的时候,可以使用这一节提到的技术直方图对比反向投影关于这两种技术的原理可以参考我上面贴的链接,下面是示例的代码: 0x01. 绘制直方图 import cv2.cv a ...
8.2 Python图像处理之图像典型分割-主动轮廓
8.2 Python图像处理之图像典型分割-主动轮廓文章目录 8.2 Python图像处理之图像典型分割-主动轮廓 1 算法原理 2 代码 3 效果 1 算法原理主动轮廓模型,将图像分割问题转换为 ...

最新文章

热门文章