У контексті обробки зображень / сигналів ми бачили / ми знаємо, що якщо є, наприклад, 4 зразки, і якщо ми беремо в середньому ці 4 зразки, то ми говоримо, що результат вибірки є вихідним зразком з фільтром з низьким проходом. Це дуже актуально в контексті обробки зображень. Тепер, що таке операція, яка передбачає фільтрацію з високим проходом, це пошук деякого максимуму з 4-х зразків і розміщення цього як вихідного зразка, або які інші математичні операції передбачають фільтрування високих частот, оскільки усереднення передбачає фільтрування низьких частот.
Яка фізична інтерпретація фільтра з низьким / високочастотним спектром?
Відповіді:
Наведений вами приклад для взяття 4 проб та взяття середнього показника - такий собі фільтр низьких частот. Як правило, не все так просто. Але для розуміння ради є деяка цінність у використанні цих простих прикладів.
Фільтр низьких частот справді схожий на те, щоб взяти 4 проби і взяти в середньому. Наприклад:
samples = [6 1 -10 -4];
avg_value = mean(samples) = -1.75
Високочастотний фільтр видаляє термін "DC". Або загалом, це видалення даних, які не змінюються. Простий спосіб мислення цього - відняти значення avg_value з кожного зразка. Наприклад:
samples = [6 1 -10 -4];
avg_value = mean(samples) = -1.75;
high_pass = samples-avg_value;
high_pass: [7.75 2.75 -8.25 -2.25]
Тепер, якщо ви берете середнє значення "високо пройденого" сигналу, ви отримуєте 0.
Ці два "фільтри", які я згадую, є крайніми, оскільки у вас є один фільтр, який дає вам постійний струм, і інший фільтр, який видаляє тільки постійний струм. В основному те, що ви в кінцевому підсумку отримуєте, це ідеальний фільтр, де фільтр низьких частот дає вам зелений, а фільтр високих частот - жовтий.
Більшість фільтрів, які ви використовуєте, матимуть відповідь, схожий на низький прохід:
і це для високого проходу:
kellenjb - Спасибі Я можу сказати, що ви сказали у вашій відповіді: high_pass = зразок - середній, і що @MArtin Томпсон сказав у цій відповіді вище з алгоритмом різкості зображення, який є OriginalImage - Розмита версія = ImaeEdgeMap. І OriginalImage + ImageEdgeMap = Заточений OriginalImage.
—
goldenmean
Високий прохід не просто видаляє постійний струм, якщо ослаблює (в тій чи іншій мірі) всі частоти нижче деякої точки "відсічення".
—
Мартін Томпсон
@Martin Так, і фільтр нижніх частот трохи тільки дають ви DC небудь. Я просто переходжу до простого випадку, оскільки, здається, там, де знаходиться ОП.
—
Kellenjb
Чому потік? Що я можу зробити для покращення?
—
Kellenjb
По-перше, середній показник - це дуже специфічний низькочастотний фільтр.
Високочастотна фільтрація означає тримати швидкі зміни та відкидати «поступові зміни». Диференціація - це один класичний математичний спосіб цього зробити.
Високочастотна фільтрація також називається «виявленням краю» в колах обробки зображень.
Під диференціацією ви маєте на увазі різницю сигналу. Як Highpass = [sample1 - sample2, sample2 - sample3, sample3 - sample4] .що щось подібне.
—
goldenmean
@goldenmean так, це майже все, що він має на увазі. Іноді різні коефіцієнти масштабування додаються в залежності від того , що необхідно, наприклад , [sample1 - 0,5 * sample2, sample2 - 0,5 * sample3 і т.д .. Тобто так само , як згортка з (1 -.5)
—
Kellenjb
Диференціація - це не традиційний фільтр високих частот. Відповідь зростає до нескінченності
—
ендоліт
Під час обробки зображень фільтр низьких частот робить зображення більш гладкими та більш розмитими, оскільки він усереднює сусідство пікселя. Високочастотний фільтр робить краї виднішими і чіткішими, оскільки він виявляє краї в зображеннях. Це тому, що там, де трапляються ребра, відбувається найбільш різка зміна зображень. Низький пропуск намагається зменшити це різке збільшення чи зменшення зображення шляхом усереднення сусідства, тоді як фільтр високих частот робить його більш помітним шляхом віднімання значень пікселів.
З іншого аналогічного погляду, фільтруючи сенс, який відхиляє деякі частини вхідного сигналу. Іншими словами, "імпеданс" фільтра не співпадає з деякими частинами сигналу, отже, він відбивається назад.