數字圖像處理-頻域濾波-帶通/帶阻濾波

帶通/帶阻濾波

顧名思義，圓環帶通過或不通過。

1.理想的帶通/帶阻濾波

理想帶阻濾波函數為：

W為帶寬。理想的帶通濾波器與此相反，1減去帶阻即可得到。

 部分代碼：

# 定義函數，理想的帶阻/通濾波模板
def IdealBand(src, w, d0, ftype):
    template = np.zeros(src.shape, dtype=np.float32)  # 構建濾波器
    r, c = src.shape
    for i in np.arange(r):
        for j in np.arange(c):
            distance = np.sqrt((i - r / 2) ** 2 + (j - c / 2) ** 2)
            if (d0-w/2) <= distance <= (d0+w/2):
                template[i, j] = 0
            else:
                template[i, j] = 1
    if ftype == 'pass':
        template = 1 - template
    return template

2.Butterworth 帶通/帶阻濾波

n階Butterworth帶阻函數為：

帶通函數與此相反，1減帶阻即可。

部分代碼：

# 定義函數，巴特沃斯帶阻/通濾波模板
def ButterworthBand(src, w, d0, n, ftype):
    template = np.zeros(src.shape, dtype=np.float32)  # 構建濾波器
    r, c = src.shape
    for i in np.arange(r):
        for j in np.arange(c):
            distance = np.sqrt((i - r / 2) ** 2 + (j - c / 2) ** 2)
            template[i, j] = 1/(1+(distance*w/(distance**2 - d0**2))**(2*n))
    if ftype == 'pass':
        template = 1 - template
    return template

 3.Gaussian帶通/帶阻濾波

高斯帶阻濾波函數為：

帶通濾波函數與此相反，1減帶阻即可。

 

部分代碼：

# 定義函數，高斯帶阻/通濾波模板
def GaussianBand(src, w, d0, ftype):
    template = np.zeros(src.shape, dtype=np.float32)  # 構建濾波器
    r, c = src.shape
    for i in np.arange(r):
        for j in np.arange(c):
            distance = np.sqrt((i - r / 2) ** 2 + (j - c / 2) ** 2)
            temp = ((distance**2 - d0**2)/(distance*w+0.00000001))**2
            template[i, j] = 1 - np.exp(-0.5 * temp)
    if ftype == 'pass':
        template = 1 - template
    return template