Cosa significa componente ad alta e bassa frequenza in un'immagine. Come separare le componenti ad alta frequenza e bassa frequenza di un'immagine usando il filtro bilaterale.
Come estrarre componenti ad alta e bassa frequenza utilizzando il filtro bilaterale?
Risposte:
Simile ai segnali monodimensionali, le basse frequenze nelle immagini significano valori di pixel che cambiano lentamente nello spazio, mentre il contenuto ad alta frequenza indica valori di pixel che cambiano rapidamente nello spazio.
Ad esempio, la seguente immagine ha forti componenti a bassa frequenza: Puoi intuitivamente vedere come ho semplicemente un'onda sin che si propaga a una bassa frequenza.
Al contrario, questa immagine sotto è composta da un'onda sin al doppio della frequenza sopra. Nota come questo si manifesta sull'immagine:
Qualsiasi immagine può avere anche un numero qualsiasi di componenti a bassa e alta frequenza insieme. Ad esempio, un'immagine come questa ha componenti sia a bassa che ad alta frequenza:
Puoi vedere come hai una 'tendenza' a bassa frequenza, ma anche molti dettagli ad alta frequenza sull'immagine. (In parole povere, nelle immagini, i transitori nitidi come i bordi corrispondono alle alte frequenze, mentre gli spazi lunghi e immutabili corrispondono alle basse frequenze).
Quindi ora, il punto di un'applicazione di un filtro bilaterale (che è semplicemente una convoluzione dell'immagine con un kernel gaussiano), è rimuovere i componenti ad alta frequenza e conservare i componenti a bassa frequenza. Quindi, in questo caso, cosa succede se contiamo l'immagine sopra, con un filtro gaussiano (bilaterale) che assomiglia a questo?
Se lo utilizziamo come kernel, otterremo il seguente risultato:
In altre parole, abbiamo rimosso i componenti ad alta frequenza dell'immagine originale, ma abbiamo mantenuto i componenti a bassa frequenza, poiché la varianza del kernel gaussiano è stata scelta in modo appropriato.