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，圓環帶經過或不經過。

1.理想的帶通/帶阻濾波

理想帶阻濾波函數爲：

W爲帶寬。理想的帶通濾波器與此相反，1減去帶阻便可獲得。

 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

Ideal_band

2.Butterworth 帶通/帶阻濾波

n階Butterworth帶阻函數爲：

帶通函數與此相反，1減帶阻便可。

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

Butterworth_band

 3.Gaussian帶通/帶阻濾波

高斯帶阻濾波函數爲：

帶通濾波函數與此相反，1減帶阻便可。

 

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

Gaussian_band