XỬ LÝ ẢNH

Võ Tuấn Kiệt
Bộ môn Viễn thông (112B3)
Đại học Bách Khoa TpHCM
Email: kietvo@hcmut.edu.vn
Chương 5: Xử lý miền biến đổi
Biến đổi Fourier (DFT)
Biến đổi Cosine (DCT)
Lọc ảnh miền tần số

2
Tổng quan biến đổi Fourier
Mục đích của biến đổi Fourier là biểu diễn tín
hiệu như một kết hợp tuyến tính của các tín hiệu
sin/cos (hàm cơ sở) với tần số khác nhau.
Miền tần số: w=2f e j cos   j sin 
Hệ số giá trị phức.
Phụ thuộc loại tín hiệu (phụ thuộc thời gian/
không gian, liên tục/rời rạc, tuần hoàn/không
tuần hoàn) và quy ước mà biến đổi Fourier có
nhiều công thức khác nhau.
CTFT  CSFT
DTFT  DSFT
CTFS  CSFS
DTFS  DSFS
DFT/FFT: 1D  2D 3
1D Fourier

4
Ví dụ

5
Ví dụ

6
2D Fourier

7
2D-CSFT
 
F (u , v)   f ( x, y )e  j 2 ( uxvy ) dxdy
 
 
f ( x , y )   F (u , v)e j 2 (uxvy ) dudv
 

8
Xung Dirac miền không gian

9
Tần số không gian
Cho biết sự thay đổi về không gian
ảnh theo trục x và trục y.
Thay đổi ít (trơn mịn)  tần số thấp
Thay đổi nhiều (sắc cạnh)  tần số cao

10
11
12
13
14
15
2D DFT
 Ảnh kích thước MxN, x=[0… M–1],
y=[0… N–1]

 Lưu ý F(u,v) tuần hoàn theo chu kì (M,N)

nên chỉ cần tính với u=[0… M–1],
v=[0… N–1]
 F(0,0): tần số DC
16
Phổ DFT trung tâm

17
18
Hiển thị phổ
 Do giá trị DC sau biến đổi Fourier thường
lớn hơn nhiều so với các giá trị khác nên
cần điều chỉnh lại giá trị sau biến đổi
Fourier cho mục đích hiển thị.
 Dùng hàm logarithm:

19
Ví dụ

20
Ví dụ

21
Ví dụ

2D Gaussian Its DFT

function

Impulses Its DFT

22
23
Ví dụ

Sine wave Its DFT

24
Tính chất biến đổi Fourier
M 1N1
1
F (u, v)   f ( x, y )e  j 2 (ux / M vy / N )
MN x 0 y 0

M 1 N1
f ( x, y )    F (u , v)e j 2 ( ux / M vy / N )
u 0 v 0

25
Tính phân chia của 2D-DFT
 2D DFT có thể phân chia

1. Thực hiện 1D DFT từng hàng của ảnh f(x,y) thu

được F(u,y)
2. Thực hiện 1D DFT từng cột của F(u,y) thu được
F(u,v).

(a) f(x,y) (b) F(u,y) (c) F(u,v)

26
Ví dụ

DFT

DFT

27
Ví dụ

A
DFT

B
DFT

0.25 * A
+ 0.75 * B
DFT

28
Ví dụ

A
DFT

B DFT

Trải rộng ảnh bởi hệ số n (n=2), điền

vào vị trí mới với giá trị zeros, kết quả
DFT không đổi. 29
Ví dụ

30
Đặc tính biên ảnh
DFT giả sử ảnh lặp lại ở cả hai trục.
Thay đổi độ sáng lớn ở các biên
tương ứng với đường ngang và đường
dọc qua tâm.

31
Một số hàm cửa sổ

32
Ví dụ

33
Ví dụ

34
Lọc miền tần số

M 1N1
1
f ( x, y )  h ( x, y )    f (m, n)h( x  m, y  n)
MN m 0 n 0

f ( x, y )  h( x, y )  F (u, v) H (u, v)
f ( x, y )h( x, y )  F (u, v)  H (u , v)

Bộ lọc có thể phân chia: H = u.vT ,

với u và v là các vectơ cột. 35
36
37
Lưu ý

38
Lọc thông thấp lý tưởng

1 if D(u , v) D0
H (u , v) 
0 if D(u , v)  D0

1

D(u , v)  (u  M / 2) 2  (v  N / 2) 
2 2

39
Ví dụ

40
Ví dụ

41
 Ví dụ
• As the filter radius
increases, less and less
power is removed,
resulting in less severe
blurring.

• Ring is evident even the

image in which only 2%
of the total power was
removed.

42
Lọc thông thấp Butterworth
1
H (u , v)  2n
1   D(u, v) / D0 

• The filter’s smooth transition between low and high

frequencies
• No ringing visible in any of the image processed with BLPFs 43
Ví dụ

Butterworth lowpass
filters (BLPFs)

n=2
D0=5,15,30,80,and 230

• No ringing visible in
any of the image
processed with BLPFs

44
Lọc thông thấp Gaussian
 D 2 ( u , v ) / 2 D02
H (u , v) e

• The GLPFs did not achieve as much smoothing as the BLPFs.

• No ringing for the GLPFs.
45
Ví dụ

Gaussian Lowpass
Filters (GLPFs)

D0=5,15,30,80, and 230

• No ringing for the

GLPFs.

46
Ví dụ

47
 Lọc thông cao

H hp (u, v) 1  H lp (u , v)
Ideal highpass filter
0 if D(u , v) D0
H (u , v) 
1 if D(u , v)  D0

Butterworth highpass filter

1
H (u, v)  2n
1   D0 / D(u, v)

Gaussian highpass filter

 D 2 ( u ,v ) / 2 D02
H (u , v) 1  e

48
Ví dụ

49
Ví dụ

50
Ví dụ
0 if D(u , v) D0
H (u , v) 
1 if D(u, v)  D0

• Ringing problems are evident in (a) and (b)

51
Ví dụ
1
H (u , v)  2n
1   D0 / D(u, v)

52
Ví dụ
 D 2 ( u ,v ) / 2 D02
H (u , v) 1  e

53
Lọc Laplacian

54
Lọc sắc nét

g ( x, y )  f ( x, y )  2 f ( x, y )
where
2 f ( x, y ) : the Laplacian-filtered
image in the spatial domain

For display
purposes only
55
Lọc tăng tần số cao (high
boost)
 Idea: HP filters cut the zero frequency component.
The resulting image is zero mean and looks very dark
 High boost filtering “sums” the original image to the
result of HPF in order to get an image with sharper
(emphasized) edges but with same range of gray
values as the original one

 For A=1 the high-boost corresponds to the HP

 For A>1 the contribution of the original image becomes
larger
56
Ví dụ

57
Triệt nhiễu cộng

Lọc trung bình

Lọc trung vị g(x,y)=f(x,y)*h(x,y)+h(x,y)
Lọc thích nghi G(u,v)=F(u,v)H(u,v)+N(u,v)
58
Nhiễu tuần hoàn
 Recall: periodic noise could not be removed in
spatial domain
 Periodic noise can be removed in frequency
domain
 Periodic noise shows up as spikes away from
origin in DFT
 Higher frequency noise = further away from
origin

59
Lọc nhiễu tuần hoàn
Notch filter: Set rows, columns of
DFT corresponding to noise = 0.
Band reject filter: with 0’s at radius
of noise from center, 1 elsewhere.

60
Lọc nhiễu tuần hoàn

61
Ảnh có cấu trúc lặp

62
Ảnh nhân tạo có cấu trúc lặp
nhiều

63
Ảnh tự nhiên có cấu trúc lặp ít

64
Ảnh tự nhiên không cấu trúc
lặp

65
Ảnh có cấu trúc lặp do in

66
DCT (Discrete Cosine
Transform)
 Hoạt động với tín hiệu rời rạc (như DFT)
 Biểu diễn theo hàm cos
 Chỉ có giá trị thực (khác DFT giá trị phức)
 Có 4 phiên bản phổ biến
 Nén năng lượng tốt

67
 N1 N1
 (2 x  1)u   (2 y  1)v 
C (u, v)  (u ) (v)  f ( x, y ) cos   cos  
x 0 y 0  2N   2N

N1 N1
 (2 x  1)u   (2 y  1)v 
f ( x, y )    (u ) (v)C (u , v) cos   cos  
u 0 v 0  2N 2N

for u, v, x, y = 0, 1…., N-1

 1
 , u 0
 (u )  N
 2 , u 1,2,..., N  1
 N
68
Ví dụ
 Example of basis functions of 2-D DCT,
N=4

69
Ví dụ
 Example of basis functions of 2-D DCT,
N=8

70
Ví dụ

71
Ví dụ

72
Ví dụ

73
Bài tập 1
 Cho ảnh 2-D f(t,z) = sin(6t).sin(8z).
a) Xác định biểu thức và vẽ phổ F(u,v) của ảnh f(t,z).
b) Giả sử ảnh được lấy mẫu đều trên mỗi trục với
T=1/4 và Z=1/6. Viết biểu thức trong miền
không gian của ảnh sau lấy mẫu. Xác định biểu
thức và vẽ phổ (u,v) của ảnh sau lấy mẫu. Nhận
xét.
c) Giả sử ảnh sau lấy mẫu được khôi phục bằng bộ
lọc thông thấp lý tưởng H(,). Vẽ phổ và xác định
biểu thức của ảnh sau khôi phục.

d) Xác định khoảng cách lấy mẫu tối thiểu trên mỗi
trục để không có hiện tượng chồng lấn phổ.
74
Bài tập 2
 Cho một bộ lọc 2D như sau:

a) Các bộ lọc H, H1 và H2 có thể phân tách được

không? Nếu có, viết phương trình bộ lọc theo
hướng thẳng đứng và hướng nằm ngang.
b) Xác định loại (thông thấp, thông cao, thông dải,
chắn dải) của các bộ lọc H, H1 và H2.
c) Xác định DSFT H(u,v) của bộ lọc H bằng cách
tính DSFT của từng bộ lọc H1 và H2. Vẽ các bộ lọc
1D H(u,0), H1(u,0) và H2(u,1/2). Nhận xét.

75
Bài tập 3
 Cho một bộ lọc 2D như sau:

a) Bộ lọc H có thể phân tách được không? Nếu có,

viết phương trình bộ lọc theo hướng thẳng đứng
và hướng nằm ngang.
b) Xác định DSFT H(u,v) của bộ lọc H. Vẽ các bộ lọc
1D H(u,0) và H(0,v). Nhận xét.
c) Xác định loại (thông thấp, thông cao, thông dải,
chắn dải) của bộ lọc H.

76
Bài tập 4
a) Tìm phổ W(u,v) của mặt nạ w.
b) Chứng minh bộ lọc này tương đương
với bộ lọc thông cao khi cắt dọc theo
trục u (v=0) hay khi cắt ngang theo
trục v (u=0).

77
Bài tập 5
a) Tìm phổ W(u,v) của mặt nạ w.
b) Vẽ phổ biên độ bộ lọc và xác định bộ
lọc là thông cao, thông dải hay
thông thấp.

78
Bài tập 6
 Toán tử vi phân bậc 1 có dạng:
g(x, y) = f(x+1, y) ‐ f(x, y) 
a) Tìm trọng số của mặt nạ w(i,j). 
b) Tìm biến đổi Fourier W(u,v). Xác
định bộ
lọc là thông cao, thông dải hay thôn
g thấp. 

79