数字图像处理-频域滤波-带通/带阻滤波

带通/带阻滤波

顾名思义，圆环带通过或不通过。

1.理想的带通/带阻滤波

理想带阻滤波函数为：

W为带宽。理想的带通滤波器与此相反，1减去带阻即可得到。

 部分代码：

# 定义函数，理想的带阻/通滤波模板
def IdealBand(src, w, d0, ftype):
    template = np.zeros(src.shape, dtype=np.float32)  # 构建滤波器
    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 带通/带阻滤波

n阶Butterworth带阻函数为：

带通函数与此相反，1减带阻即可。

部分代码：

# 定义函数，巴特沃斯带阻/通滤波模板
def ButterworthBand(src, w, d0, n, ftype):
    template = np.zeros(src.shape, dtype=np.float32)  # 构建滤波器
    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带通/带阻滤波

高斯带阻滤波函数为：

带通滤波函数与此相反，1减带阻即可。

 

部分代码：

# 定义函数，高斯带阻/通滤波模板
def GaussianBand(src, w, d0, ftype):
    template = np.zeros(src.shape, dtype=np.float32)  # 构建滤波器
    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