Professional Documents
Culture Documents
Shift
F (u, v ) a jb
(-1)x+y
a 2 b 2 tan b / a
1
g(x,y)
g ( x, y ) d je
Relationship between Convolution and DFT
f ( x , y ) * h ( x , y ) F ( u , v ) H ( u, v )
M 1 N 1
1
g ( x, y ) f ( x , y ) * h ( x , y )
MN
f (m, n)h( x m, y n)
m 0 n 0
M 1 N 1 2 ux 2 vy
g ( x, y )W
j j
DFT [ g ( x, y )] G (u, v ) ux
M W vy
N ; W ux
M e M
;W vy
M e N
y 0 x 0
M 1 N 1
1 M 1 N 1
f (m, n)h( x m, y n)W ux
M WNvy
y 0 x 0 MN m 0 n 0
1
M 1 N 1 M 1 N 1
MN
f (m, n)h( x m, y n)W
y 0 x 0 m 0 n 0
mu
M WNnvWM( x m ) uWN( y n ) v
1 M 1 N 1 nv
M 1 N 1
MN m0 n 0
f ( m, n )WM WN h ( x m, y n )WM( x m ) uWN( y n ) v
mu
y 0 x 0
1
F ( u, v ) H ( u, v )
MN
1
IDFT F (u, v ) H ( u, v ) g ( x , y ) f ( x , y ) * h ( x , y )
MN
Comparison of Convolution and FFT
Convolution FFT
100000000
80000000
FFT
60000000 Convolution (n=3)
Convolution (n=5)
40000000 Convolution (n=7)
Convolution (n=9)
20000000
0
256 512 1024
FFT 524288 2359296 10485760
Convolution (n=3) 589824 2359296 9437184
Convolution (n=5) 1638400 6553600 26214400
Convolution (n=7) 3211264 12845056 51380224
Convolution (n=9) 5308416 21233664 84934656
Filter Categories
Regular Filter
Low Pass Filter (LPF)
High Pass Filter (HPF)
Band Pass Filter (BPF)
Band Reject Filter (BRF)
High Frequency Emphasis Filter (HFE)
Inverse Filter
1 r (u, v ) r0
H ( u, v )
0 r (u, v ) r0
r ( u, v ) ( u M / 2) 2 ( v N / 2 ) 2
ILPF results
Original image r0 5
r0 15 r0 30
r0 80 r0 230
ILPF ripple effects
DFT
f * h inverse DFT [ FH ]
h(x,y)
g(x,y)
Butterworth Low Pass Filter (BLPF)
1
H (u, v )
1 [ r (u, v ) / r0 ]2 n
r ( u, v ) ( u M / 2) 2 ( v N / 2) 2
h(x,y)
Original image r0 5
r0 15 r0 30
r0 80 r0 230
Gaussian Low Pass Filter (GLPF)
r 2 ( u ,v ) / 2 D02
H (u, v) e
D0 r0
r ( u, v ) ( u M / 2) 2 ( v N / 2) 2
GLPF results
Original image r0 5
r0 15 r0 30
r0 80 r0 230
Applications of Low Pass Filter
Character recognition
0 r (u, v ) r0
H ( u, v )
H (u , v )
1 r (u, v ) r0
r ( u, v ) ( u M / 2) 2 ( v N / 2) 2
IHPF results
r0 15 r0 30 r0 80
Butterworth High Pass Filter (BHPF)
1
H (u, v )
1 [ r0 / r (u, v )]2 n
r ( u, v ) ( u M / 2) 2 ( v N / 2) 2
BHPF results
r0 15 r0 30 r0 80
Gaussian High Pass Filter (GHPF)
r 2 ( u ,v ) / 2 r02
H ( u, v ) 1 e
r ( u, v ) ( u M / 2) 2 ( v N / 2) 2
GHPF results
r0 15 r0 30 r0 80
Laplacian Filter (Second-order Filter)
H (u, v ) [(u M / 2) 2 ( v N / 2) 2 ]
h(x,y)
Laplacian Filter results
Laplacian
filter
Laplacian filtered
image
Original image
g ( x, y ) f ( x, y ) 2 f ( x, y )
High Frequency Emphasis Filter
H hp (u, v )
BHPF
Histogram
equalization
Band Reject Filter (BRF)
BW
1 ; r (u, v ) r0
2
BW BW
H (u, v ) 0 ; r0 r (u, v ) r0
2 2
1 ; BW
r (u, v ) r0
2
Ideal BRF
DFT
f(x,y) F(u,v)
Inverse DFT
F(u,v)H(u,v)
g(x,y) H(u,v)
Band Pass Filter (BPF)
DFT
f(x,y) F(u,v)
Inverse DFT
F(u,v)H(u,v)
g(x,y) H(u,v)
H BP (u, v ) 1 H BR (u, v )
Inverse Filter
Regular Filter
G(u,v) = F(u,v).H(u,v)
ภาพททที่ดท = ภาพททที่เสท ย . ฟฟังกกชนฟั การกรองสสที่ งททที่เสท ยออกจากภาพ
Inverse Filter
หลฟักการกลฟับจาก regular filter
G(u,v) = F(u,v).H(u,v)
ภาพททที่เสท ย = ภาพททที่ดท . ฟฟังกกชนฟั ตฟัวกวนใหห้ภาพเสท ย
F’(u,v) = G(u,v) / H(u,v)
ภาพประมาณภาพดท = ภาพททที่เสท ย / ฟฟังกกชนฟั ตฟัวกวน
Degradation Function
(ฟฟังกก์ชฟันตฟัวกวนใหห้ ภาพเสสี ย)
การประมาณคคา degradation function
Image Observation (การประมาณคคาจากภาพจรส ง)
Model Selection (การเลลือกใชห้แบบจจาลองททที่ใหห้ผลการรบกวนภาพใกลห้เคทยงกฟับ
ภาพจรส ง)
Degradation Model
Atmospheric turbulence (หลลุมอากาศ)
จจาลองการกวนใหห้ภาพเบลอ
Motion Blur
จจาลองการกวนใหห้ภาพเบลอแบบมทการเลลืที่อนดห้วย
Inverse Filter Problems
Ideal (theory assumption)
Based on assumption of no noise
Practical
Input image may contain noise
Resulted in failing to estimate the good quality image back
Effect of the degradation function at the points where the function is close or equal
to zero
Divide by zero or small values
Enhance the part of noise and unwanted high frequency
Solution
Control passing low frequency using LPF to reduce the effect of noise and division of zero
Inverse Filter results (Blur using
Atmospheric Turbulence)
Full filter r0 40
Blured image
Turbulance (k=0.0025)
r0 70 r0 85
Wiener Filter
(MMSE filter)
Using Minimum Mean Square Error
Sometimes called least square filter
Wiener
filter