理解科研中的空间域和时域和频域

读了很多的论文后,才感知到论文中常说的什么空间域怎么怎么样,时域怎么怎么样,频域怎么怎么样。
本文其实主要写的是频域。

  • 空间域 spatial domain ; 时域 temporal domain ; 频域 frequency domain;

空间域

定义:空间域处理是直接在图像或视频帧的像素值上进行操作。处理方法基于图像的二维空间坐标系,即像素的位置。

常见操作

  1. 点操作:对单个像素进行操作,如对比度调整、亮度调整。
  2. 邻域操作:对一组邻近像素进行操作,如平滑、锐化、边缘检测等。这些操作通常使用卷积核或滤波器来实现。

例子

  • 平滑滤波(如高斯滤波):用于去除图像中的噪声。
  • 锐化滤波(如拉普拉斯滤波):用于增强图像的细节和边缘。
  • 边缘检测(如Sobel算子、Canny边缘检测):用于提取图像中的边缘信息。


时域

定义:时域处理主要针对视频数据,涉及到随时间变化的图像序列的分析和处理。这里的时域指的是时间维度。

常见操作

  1. 运动检测和估计:识别和跟踪视频中物体的移动。
  2. 时间滤波:对视频帧序列进行滤波,如时间上的平滑处理。
  3. 视频稳定:去除视频中的抖动和运动模糊。

例子

  • 光流法:用于估计视频中像素随时间的运动。
  • 背景建模与前景检测:用于视频监控中运动物体的检测。


频域

定义:频域处理是基于图像或视频的频谱表示进行操作。通过傅里叶变换将图像从空间域转换到频域,频域中的每个点表示图像在不同频率上的成分

常见操作

  1. 频域滤波:通过在频域进行滤波,去除特定频率的成分,如高频噪声或低频背景。
  2. 压缩和传输:图像压缩(如JPEG)利用频域表示进行数据压缩,提高传输效率。

例子

  • 低通滤波:在频域去除高频成分,用于平滑图像。
  • 高通滤波:在频域去除低频成分,用于边缘增强。
  • JPEG压缩:通过离散余弦变换(DCT)将图像转换到频域,去除不重要的高频成分,实现压缩。

频域中的高低概念

低通滤波器:允许低频成分通过,阻止高频成分。用于图像平滑和降噪。

高通滤波器:允许高频成分通过,阻止低频成分。用于边缘检测和增强细节。

通过低通滤波器和高通滤波器,可以分别提取低频和高频成分。

低级信息(Low-level Information):指图像的基本特征和像素级别的信息,包括颜色、亮度、纹理、边缘等。低级信息主要反映在图像的高频成分中。

高级信息(High-level Information):指图像中包含的语义信息和结构信息,如对象的形状、位置、关系等。

低频成分(low-frequency component):低频成分代表图像中变化缓慢的部分,通常是图像的整体轮廓和大面积的平滑区域。低频信息包含了图像的基本结构和主要内容。

高频成分(high-frequency component):高频成分代表图像中变化迅速的部分,通常是图像的细节、边缘和纹理。高频信息包含了图像的细节和边缘特征。

要明白低级信息和低频成分不是一个意思。事实上低级信息与高频成分是保持一致的。高级信息主要反映在图像的低频成分中。图像的大部分有效信息集中在低频部分。低频信息的变化对图像造成的影响会很明显。

  在傅里叶频谱图上我们看到的明暗不一的亮点,实际上是图像与其邻域点差异的强弱,即梯度的大小,也即是该点频率的大小,可以理解成低频成分指梯度小的点,高频成分指梯度大的点。【4】

  • 图像经过傅里叶变换以后,得到的频谱图是对称的 【2】。

  • 未频谱居中时,中间是高频,四周是低频;经过频域中心化后,中间是低频,四周是高频特征,即低频成分集中在频谱的中心位置,而高频成分则分布在频谱的边缘。

  根据【4】:图像中的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度。对图像而言,图像的边缘部分是突出部分,变化较快,因此可以反应在频域上是高频分量;图像中的噪声在大部分情况下是高频部分,图像平缓变化部分则为低频分量。频谱图上的各点与图像上各点并不存在一一对应关系,即使在不移频的情况下也是没有的

  如何理解频谱图:在经过频谱居中后的频谱图中,中间最亮的点是最低的频率,属于直流分量(DC分量),越往外面走,频率越高。所以频谱居中后的频谱图中,四个角和x、y轴的尽头都是高频成分。
在这里插入图片描述

问题Q:傅里叶变换的流程包括 先是FFT, 然后fftshift变换,所以我的疑问是:经过fftshift变换(也就是频域中心化)后的可视化的效果展示一般是 : 中间最亮, 那中间代表的是低频还是高频?以及亮度是否反应高低频成分呢?
答A:频域变化后,中心是低频,四周是高频。探究傅里叶变换的时候,不必关心亮度和高低频成分之间的对应,只需关心频域中心化后高低频成分的分布就行。

References:
【1】一文读懂傅里叶变换的原理

【2】图像经过傅里叶变换以后,得到的频谱图为啥是对称的?又为啥在未频谱居中时,四周代表是低频,中间是高频?

【3】傅里叶变换频谱图亮点,亮线的理解

【4】如何理解傅里叶变换?

【5】写了很多很详细的内容介绍傅里叶变换

相关推荐

  1. Python教程:深入理解Python命名空间作用

    2024-06-12 05:48:03       10 阅读
  2. 如何理解冲突广播

    2024-06-12 05:48:03       48 阅读
  3. Python名称空间作用

    2024-06-12 05:48:03       38 阅读
  4. 频率空间以及频率空间如何获取

    2024-06-12 05:48:03       10 阅读
  5. 名称空间作用

    2024-06-12 05:48:03       35 阅读

最近更新

  1. TCP协议是安全的吗?

    2024-06-12 05:48:03       16 阅读
  2. 阿里云服务器执行yum,一直下载docker-ce-stable失败

    2024-06-12 05:48:03       16 阅读
  3. 【Python教程】压缩PDF文件大小

    2024-06-12 05:48:03       15 阅读
  4. 通过文章id递归查询所有评论(xml)

    2024-06-12 05:48:03       18 阅读

热门阅读

  1. 几句话明白什么是Kubernetes Operator?

    2024-06-12 05:48:03       8 阅读
  2. 计算广告读书杂记-待整理

    2024-06-12 05:48:03       8 阅读
  3. 学习分享-tryLock和 lock的区别

    2024-06-12 05:48:03       9 阅读
  4. 643.子数组最大平均数

    2024-06-12 05:48:03       7 阅读
  5. 【Git】的基本概念和使用方式

    2024-06-12 05:48:03       7 阅读
  6. ls: 无法访问目录 输入/输出错误

    2024-06-12 05:48:03       5 阅读
  7. 机器学习的概念、分类、应用

    2024-06-12 05:48:03       4 阅读
  8. C++的map

    C++的map

    2024-06-12 05:48:03      7 阅读