先前一篇博文（如何保持空域与频域滤波结果的一致性）中谈到，从空域小模板转化到频域滤波时，为了保持空频滤波的一致性，需要合理处理空域滤波器的延拓和布局问题。一般做法是，将小模板的中心通过循环移位后置于补零延拓矩阵的左上角。然后做傅里叶变换，得到对应的频域滤波器，再与延拓后的图像在频率域与滤波器做乘法运算。具体的原理和方法可参看前述博文。

设有一幅M×N的图像f(x,y)，m×n的空域滤波器为h(x,y)，则频域滤波的处理步骤如下：

(1) 消除折叠现象的填充（Zero padding）。即分别对f(x,y)，h(x,y)的右下部补零至P×Q得到f_p(x,y)和h_p (x,y)，其中h(x,y)需要做循环移位，以使小模板h(x,y)的中心像素置于h_p (x,y)的左上角。一般取：P=2M，Q=2N 。

(2)  f_p(x,y)，h_p (x,y)分别做傅里叶变换产生F_p(u,v)，H_p(u,v)。

(3) 中心变换（频谱中心化）。此步也可以不变换，则Hp(u,v)要改变(针对直接在频域生成对称滤波器情况)。

(4) 频域滤波：H_p(u,v)点乘F_p(u,v)。

(5) 傅里叶反变换。

(6) 取实数部分。绝对值很小的虚数部分是浮点运算存在误差造成的。

(7) 空域中心还原变换（反中心化）。若F_p(u,v)未做中心化，此步可省。

(8) 截取有效数据，即左上角的原始图像尺寸M×N部分数据。

以上步骤的滤波，仅限于空域滤波的边界处理为零填充方式。如果空域滤波的边界处理为其他方式，如对称边界（'symmetric'）重复边界（'replicate'）和周期边界（'circular'）等，则依然会存在空频域滤波结果在边界上的差异性。如图1所示，是一个方差为4的25×25高斯低通滤波器对cameraman图像分别在空域和频域滤波结果的对比。可以看出，频域滤波与空域滤波在边界上是不一致的。

图1 仅在空域考虑了边界因素的滤波结果

那么，如何有效解决这个问题呢？其实也很简单，只要在步骤(1)和(8)上稍稍改进，就可以保持空/频域滤波结果边界上的一致性。

第(1)步，根据h(x,y)的尺寸对f(x,y)先做重复边界的扩充，在此基础上做消除折叠的补零延拓，即得到扩大至（2M+行重复边界数）×（2N+列重复边界数）的f_p(x,y),如图2所示。对h(x,y)右下部补零至与f_p(x,y)的相同尺寸，并循环移位后得到h_p (x,y)。

图2 滤波前图像边界扩充及补零延拓

第(8)步，截取有效数据时，应除去左上角单边边界数后的原始图像尺寸（M×N）部分数据(即图2中的红框区域)。其他步骤不变，即可得到与空域滤波完全一致的结果，如图3所示。

图3 空频域等效边界模式的滤波结果

MATLAB参考代码如下：

%=============================================================================

inimg = imread('cameraman.tif');

subplot(131)

imshow(inimg), title('Original image')

[M,N] = size(inimg);               % Original image size

%====================================================================

h = fspecial('gaussian',25,4);  % Gaussian filter

%====================================================================

% 空域滤波

gx = imfilter(inimg,h,'same','replicate');  % 空域图像滤波

subplot(132)

imshow(gx,[]);title('Spatial domain filtering')

%====================================================================

%    频域滤波

%====================================================================

h_hf = floor(size(h)/2);                  % 空域滤波器半高/宽

imgp = padarray(inimg, [h_hf(1),h_hf(2)],'replicate'); % Padding boundary with copying pixels

% PQ = paddedsize(size(imgp));   % Gonzalez DIP教材提供的函数，非MATLAB内部函数

PQ  = 2*size(imgp);

Fp = fft2(double(imgp), PQ(1), PQ(2));     % 延拓图像FFT

% h  = rot90(h,2);  % Mask旋转180度，非对称h需此步骤！因频域乘积对应空域卷积，而空域滤波为相关。

P = PQ(1); Q = PQ(2);

center_h = h_hf+1;                     % 空域小模板h中心位置

hp = zeros(P,Q);                          % 预分配内存，产生P×Q零矩阵

hp(1:size(h,1),1:size(h,2)) = h;  % h置于hp左上角

hp = circshift(hp,[-(center_h(1)-1),-(center_h(2)-1)]); % 循环移位，h中心置于hp左上角

%====================================================================

Hp = fft2(double(hp));                 % hp滤波器做FFT

%====================================================================

Gp = Hp.*Fp;                                %  频域滤波

gp = real(ifft2(Gp));                     % 反变换，取实部

gf = gp(h_hf(1)+1:M+ h_hf(1),  h_hf(2)+1:N + h_hf(2));  % 截取有效数据

subplot(133)

imshow(uint8(gf),[]),  title('Frequency domain filtering')

% 注：以上处理中，频域图像Fp与滤波器Hp均未中心化，因此，返回空域时无需反中心化。

% 另外，直接调用Hp = freqz2(h,P,Q)获得的2D频域响应，则是中心化的。

代码下载：mySFFilt2Demo.m

扫一扫，可关注“老马迷图”微信公众号！

相关博文：如何保持空域与频域滤波结果的一致性