### 手动实现基于傅里叶变换的同态滤波器进行图像处理 同态滤波是一种频率域滤波方法，用于增强图像的细节和对比度[^4]。它通过将图像分解为低频的照射分量和高频的反射分量，并在频域中调整这些分量的比例来实现图像增强。 以下是一个基于 Python 的手动实现代码示例，结合傅里叶变换知识完成同态滤波器的图像处理： #### 代码实现 ```python import numpy as np import cv2 from scipy.fftpack import fft2, ifft2, fftshift, ifftshift import matplotlib.pyplot as plt # 定义同态滤波函数 def homomorphic_filter(image, gamma_high, gamma_low, D0, c): # 将图像转换为浮点数类型并取对数 image_log = np.log1p(np.array(image, dtype="float32")) # 计算二维快速傅里叶变换 (FFT) f_transformed = fft2(image_log) f_shifted = fftshift(f_transformed) # 获取图像尺寸 rows, cols = image.shape crow, ccol = rows // 2, cols // 2 # 创建高斯同态滤波器 x = np.linspace(-ccol, cols - ccol - 1, cols) y = np.linspace(-crow, rows - crow - 1, rows) xv, yv = np.meshgrid(x, y) D = np.sqrt(xv**2 + yv**2) H = (gamma_high - gamma_low) * (1 - np.exp(-c * (D**2 / D0**2))) + gamma_low # 应用滤波器 filtered_f = f_shifted * H # 反向傅里叶变换以返回空域 filtered_image = ifft2(ifftshift(filtered_f)).real filtered_image = np.expm1(filtered_image) # 取指数并减去1 filtered_image = np.uint8(cv2.normalize(filtered_image, None, 0, 255, cv2.NORM_MINMAX)) return filtered_image # 加载灰度图像 image_path = 'example.jpg' # 替换为实际图像路径 original_image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) # 设置参数 gamma_high = 1.5 # 高频增益 gamma_low = 0.5 # 低频增益 D0 = 30 # 截止频率 c = 2.0 # 滤波器常数 # 应用同态滤波器 enhanced_image = homomorphic_filter(original_image, gamma_high, gamma_low, D0, c) # 显示结果 plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1) plt.title('Original Image') plt.imshow(original_image, cmap='gray') plt.axis('off') plt.subplot(1, 2, 2) plt.title('Enhanced Image') plt.imshow(enhanced_image, cmap='gray') plt.axis('off') plt.tight_layout() plt.show() ``` #### 代码解析 1. **图像预处理**：将输入图像转换为浮点数类型，并对其取自然对数以线性化光照变化。 2. **傅里叶变换**：使用 `fft2` 和 `fftshift` 将图像从空域转换到频域[^4]。 3. **高斯同态滤波器**：设计一个高斯型同态滤波器 \(H\)，该滤波器根据截止频率 \(D_0\) 和增益因子 \(\gamma_{\text{high}}\)、\(\gamma_{\text{low}}\) 来调整频域中的分量比例[^4]。 4. **滤波应用**：在频域中将滤波器 \(H\) 与图像频谱相乘，以实现频域滤波[^4]。 5. **反傅里叶变换**：使用 `ifft2` 和 `ifftshift` 将图像从频域转换回空域，并对结果取指数以恢复原始动态范围。 6. **归一化**：确保最终图像的像素值在合法范围内（0 到 255）。 --- ###