目录

一、什么是数字滤波器

二、数字滤波器的几个重要的基础概念

三、数字滤波器的基本单元

differentiator  差分器

Integrator 积分器

FIR滤波器

IIR滤波器(无限冲击响应滤波器)


一、什么是数字滤波器

  • Analog filter :滤波器从模拟时代产生的一个器件,如下是一个阻容滤波器(由一个电阻、电容构成,对输入的连续信号进行频域上的修正),比如输入一个正弦信号(他有一些直流分量在上面),通过阻容滤波器将正弦信号压制下去,变成直流分量输出;
  • Digital filter:连续的模拟信号输入,经过A/D Converter(模数转换器,经过采样、量化、编码),输出数字信号,然后经过Digital filer处理输出,信号的频率特性发生改变,如下是输出高通滤波,因为只允许高频成分通过;
 
  • Optical filter (光学滤波器),把光波的频域进行修正,如下图,当光线射入时,他只允许其中的绿色光线通过;

二、数字滤波器的几个重要的基础概念

  • 时域、频域、采样定理
如下图,时域信号可以分解成为多个不同频率正弦信号的合成;在变换到频域上可以看到不同成分的幅度,在时域和频域之间进行反变换;
采样定理:要想正确恢复一个信号,就必须高于这个信号2倍以上的采样频率才可以,
  • 对图像信号而言,什么叫高频,中频,低频信号;
当前采用值与之前采样值,之后采样值的偏差大小△,表征了信号的频率,所有以它是一个相对概念,如下右图,蓝色线斜率高,偏差越大,表示高频;红色线变化最缓,偏差最小,表示低频;
如下表示一个图像信号经过低通滤波处理的过程,初始状态时,中心和四周信号强度(四周是0)偏差很大,表示高频信号,经低通处理后, 信号给拉扁了,变成一个稍微低一点的信号;

三、数字滤波器的基本单元

  • differentiator  差分器

输入信号和输入信号的delay(延迟)进行做差,再输出;
如下图,经过差分器后,信号的高频部分被保留了下来,在图像信号上的表现是物体轮廓部分被保留下来;
  • Integrator 积分器

输入信号经过求和、平均,高频部分被压制了,如下图中的高频纹理及噪点,经过求和平均,相当于低通滤波的过程,高频部分都丢失了;
  • FIR滤波器

1、介绍
有限冲击响应滤波器,如下图,他的输入信号只对一定范围内的输出信号有影响,不能连续影响输出信号,所以叫有限冲击响应滤波器;
Taps number表示放大单元的数量,Coefficients表示放大单元的放大系数,所以可以通过改变这两个值,来调整FIR滤波器的频率特性;

2、FIR 应用:
a、均值滤波:
    μ=1/n(ΣXi);i=1,n(n个信号进行求和再平均处理);
下图中(就是要设计的模版)要滤波的(i,j),他的像素值是由自己和周围的像素值来决定的,经过均值滤波后右下图中边缘部分都被磨平了,平台区域的噪声也相应减少了;
 
b、均值滤波 Matlab example 1
% Read Image for Noise Addition
img=imread('lena.bmp');
% Add Noise
Noi_img = imnoise(img,'salt & pepper', 0.02);
% Mask Definition
f=1/9*[1,1,1;1,1,1;1,1,1];
% Apply filter2 function
de_noi=filter2(f,Noi_img);
figure;
subplot(1,3,1);imshow(img);title('Original image')
subplot(1,3,2);imshow(Noi_img);title('Noisy image')
subplot(1,3,3);imshow(uint8(de_noi));title('Denoised image')
Code Output:噪声去掉了,但图像中的相应的细节也有损失;
c、加权均值滤波 Matlab example 2 (他是对均值滤波的一个补充,在影响图像大像素上增加权重,以此来确保图像多一些细节);
d、高斯滤波 Matlab example 3                  
高斯滤波是图像处理中非常常用的一个模块,不止在去噪模块,在其他模块也会使用,如下图,他是通过调整sigma的值来控制图像的权重,sigma值小时,中心权重高,如下的高斯公式图像的表现中间比较高,四周平缓,通过sz改变mask(也就是 nxn 的统计面试);
如下是实现下图中进行高斯滤波的matlab code;
直接用matlab高斯滤波的函数;
I = imread('coins.png');
% Filter the image with a Gaussian filter with standard deviation of 2.
Iblur = imgaussfilt(I,1.76);
% Display the original and filtered image in a montage.
montage({I,Iblur});
title('Original Image (Left) Vs. Gaussian Filtered Image (Right)');
引用模版,用卷积的方式来做的,可直接作用于硬件;
  • IIR滤波器(无限冲击响应滤波器)

线性滤波器定义:滤波器的输入和输出是一个线性关系(满足数学特性,叠加性 f(a)+b=f(a)+f(b)、齐次性f(ax)=af(x));
如下是通过差分器实现低通滤波,当delay 1次就是一阶IIR滤波器,当delay 2次就是二阶IIR滤波器,二阶滤波器可以通过不同的阶数和系数(a1、a0),设计出不同的频率响应,在不同的频段对信号进行处理;
IIR滤波器和FIR滤波器的选择:IIR滤波器可以通过比较少的阶数,实现低通滤波的效果,从而占用了比较少的资源,但大部分ISP处理中用的是FIR滤波器 ??,IIR滤波器主要用在AF,时域降噪当中;
 

数字滤波器--线性滤波(Linear Filter)相关推荐

  1. 图像复原(去模糊)基本内容以及评价标准

    基本目录 图像复原模型 退化模型 模糊模型 噪声模型 非盲图像复原 运动模糊 图像复原算法 均值滤波(Median filter) 自适应滤波(Adaptive filter) 线性滤波(Linear ...

  2. 无限长单位冲激响应(IIR)数字滤波器设计方法

    无限长单位冲激响应(IIR)数字滤波器设计方法) 一.数字滤波器的基本概念 二.数字滤波器的技术指标 三.全通滤波器 1.定义 2.一阶全通系统 3.二阶全通系统 4.N阶数字全通滤波器 5.全通系统 ...

  3. 高斯滤波的理解与学习

    高斯滤波的理解与学习 微信公众号:幼儿园的学霸 目录 文章目录 高斯滤波的理解与学习 目录 前言 高斯函数 一维高斯函数 二维高斯函数 高斯滤波过程 高斯核求解 利用高斯核滤波 高斯滤波步骤 高斯滤波 ...

  4. 数字图像处理:线性和非线性滤波的平滑空间滤波器(Smoothing Spatial Filters)

    引言 本系列文章记录老猿自学冈萨雷斯<数字图像处理>的感悟和总结,不过估计更新会比较慢,白天要工作,都是晚上抽空学习,学习完一章再回头总结,想学的朋友可以自己下载英文原版(目前到第四版)和 ...

  5. 滤波器简介:FIR与IIR

    滤波器简介:FIR与IIR 转载于:滤波器简介:FIR与IIR 关于本博文的说明:本博文为翻译文章,主要分享数字滤波器相关知识,包括有限脉冲响应数字滤波器(finite impulse respons ...

  6. 滤波器简介:FIR与IIR简介

    关于本博文的说明:本博文为翻译文章,主要分享数字滤波器相关知识,包括有限脉冲响应数字滤波器(finite impulse response, FIR)和无限脉冲响应数字滤波器(infinite imp ...

  7. Matlab对含噪声图像的滤波操作_两种噪声_三种滤波器_两种方法

    注释很重要 Matlab对含噪声图像的滤波操作. 噪声: 高斯噪声(正态分布) 均匀噪声 用到的滤波器: 高斯滤波器 盒型滤波器 中值滤波器 用到的两种方法: 直接conv2 fft2 %%C1 fi ...

  8. 图像处理和图像识别中常用的CxImage函数

    1.Load:reads from disk the image in a specific format: 2.Save:saves to disk the image in a specific ...

  9. 物体6-Dof pose estimation主流方法汇总

    作者丨孙文@知乎 来源丨https://www.zhihu.com/question/63159179/answer/257832184 编辑丨3D视觉工坊 主流的方法有下面几种: 基于模板匹配的方法 ...

最新文章

  1. C与C++之间相互调用
  2. 从Pixel 3a到Android Q,一份谷歌AI能力的“成绩单” | Google I/O全程回顾
  3. ios 设置属性的center_ios-坐标系统(详解UIView的frame、bounds跟center属性[图])
  4. 用 openssl 生成 SSL 使用的私钥和证书,并自己做 CA 签名
  5. 一段javascript告警回放代码
  6. Linux_异常_08_本机无法访问虚拟机web等工程
  7. mybatis中resultType取出数据顺序不一致解决方法
  8. html 定位z_index,绝对定位、固定定位和z-index
  9. redis解决了分布式系统的session一致性问题
  10. Java基础 --存储数据
  11. 使用C# Detach和Attach 数据库
  12. 计算机英语演讲主题ppt模板,英文演讲主题PPT模板
  13. android studio for android learning (二十七) UI控件动态加载机制浅析
  14. 从零开始搭建我的网上商城 - Pika商城
  15. 如何批量快速提取复制文件夹里所有文件夹名和文件名(包括所有子文件里的所有文件夹名和文件名)详细步骤
  16. python 病毒 基因_#Python#提取基因对应的蛋白质名
  17. 截图工具(窗体永远前置)
  18. CV2的conda安装
  19. ios虚拟机运行速度_iOS 8的采用速度减慢至虚拟停止
  20. Oauth2是什么怎么用

热门文章

  1. 学习SVM(四) 理解SVM中的支持向量(Support Vector)
  2. Wi-Fi 安全协议 - WPA
  3. 写给人类的机器学习 2.1 监督学习
  4. 阿里云双11活动撸福利攻略云服务器篇 必买爆款
  5. 用户界面分析与设计(SSD4) 实验一
  6. 数字电子技术课程设计——盲人报时钟
  7. 操作系统学习笔记——北京大学陈向群老师课后及习题答案(4)
  8. 技术的真相 | 你真的知道如何实现无人自动化仓储吗?
  9. 防火墙导致web访问不到服务器解决方法
  10. VSS(Visual SourceSafe)使用入门