图像处理中，对一幅图像进行滤波处理，若选用的频域滤波器具有陡峭的变化，则会使滤波图像产生“振铃”，所谓“振铃”，就是指输出图像的灰度剧烈变化处产生的震荡，就好像钟被敲击后产生的空气震荡。如下图：
由卷积定理可将下面两种增强联系起来:
频域增强：
空域卷积：
其中f,g,h分别为输入图像，增强图像，空域滤波函数；F,G,H分别为各自的傅里叶变换。*为卷积符号。
在空间域将低通滤波作为卷积过程来理解的关键是h(x,y)的特性：可将h(x,y)分为两部分：原点处的中心部分，中心周围集中的成周期分布的外围部分。前者决定模糊，后者决定振铃现象。若外围部分有明显的震荡，则g(x,y)会出现振铃。利用傅里叶变换，我们发现，若频域滤波函数具有陡峭变化，则傅里叶逆变换得到的空域滤波函数会在外围出现震荡。
下面给出三个常用的低通滤波器：理想型、巴特沃斯型、高斯型。并分析他们对用的空域滤波函数的特点，验证上述结论。
理想型：
理想型滤波会出现振铃，可以看出空域滤波函数图像外围有剧烈震荡。
巴特沃斯型：
为阶数，1阶巴特沃斯没有“振铃“，随着阶数增大，振铃现象越发明显。下图取n=2,可以看出空域函数外围部分出现震荡。
高斯型：
高斯函数的傅里叶变换仍然是高斯函数，故高斯型滤波器不会产生“振铃“。
上述图像的生成程序：
close all;
clear all;
d0=8;
M=60;N=60;
c1=floor(M/2);
c2=floor(N/2);
h1=zeros(M,N); %理想型
h2=zeros(M,N); %巴特沃斯型
h3=zeros(M,N); %高斯型
sigma=4;
n=4;%巴特沃斯阶数
for i=1:M
for j=1:N
d=sqrt((i-c1)^2+(j-c2)^2);
if d<=d0
h1(i,j)=1;
else
h1(i,j)=0;
end
h2(i,j)=1/(1+(d/d0)^(2*n));
h3(i,j)=exp(-d^2/(2*sigma^2));
end
end
draw2(h1,'理想');
draw2(h2,'巴特沃斯');
draw2(h3,'高斯');
function draw2(h,name)
figure;
surf(h);title(strcat('频域',name));
fx=abs(ifft2(h));
fx=fftshift(fx);
figure;surf(fx);title(strcat('空域',name));
注：fftshift与ifftshift区别，对偶数行列矩阵相同，奇数相互弥补，组合使之可逆
https://blog.csdn.net/u010839382/article/details/41971603
标签：函数,振铃,滤波,现象,图像处理,图像,空域,高斯型 来源： https://www.cnblogs.com/zzzsj/p/14647563.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。