数字图像信号的低频高频分量分别对应的图像部分

二维的图像可以分解成不同的频率成分。其中，低频成分描述大范围的信息，而高频成分描述具体的细节。

在灰度图像中，亮度变化小的区域主要是低频成分，而亮度变化剧烈的区域 (比如物体的边缘)主要是高频成分。

[c,s]=wavedec2(X,2,'sym4');%用sym4小波对图像信号进行二层的小波分解

sizec=size(c);

for i=1:sizec(2)

if(c(i)>350)

c(i)=0;

else

c(i)=05c(i);

end

end

我假设的350是高频啊

1、图像变换：

由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，可减少计算量，获得更有效的处理。它在图像处理中也有着广泛而有效的应用。

2、图像编码压缩：

图像编码压缩技术可减少描述图像的数据量，以便节省图像传输、处理时间和减少所占用的存储器容量。

压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。

编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

3、图像增强和复原：

图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。

图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。

4、图像分割：

图像分割是数字图像处理中的关键技术之一。

图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。

5、图像描述：

图像描述是图像识别和理解的必要前提。

一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。

6、图像分类：

图像分类属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。

图像分类常采用经典的模式识别方法，有统计模式分类和句法模式分类。

扩展资料：

图像处理主要应用在摄影及印刷、卫星图像处理、医学图像处理、面孔识别、特征识别、显微图像处理和汽车障碍识别等。

数字图像处理技术源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。

数字图像处理技术可以帮助人们更客观、准确地认识世界，人的视觉系统可以帮助人类从外界获取3/4以上的信息，而图像、图形又是所有视觉信息的载体，尽管人眼的鉴别力很高，可以识别上千种颜色，

但很多情况下，图像对于人眼来说是模糊的甚至是不可见的，通过图象增强技术，可以使模糊甚至不可见的图像变得清晰明亮。

参考资料来源：百度百科-图像处理

一幅图像f(x,y)可以看成由两个分量组合而成，即

f(x,y)=i(x,y)r(x,y)

i(x,y)为照明分量（入射分量），是入射到景物上的光强度；

r(x,y)为反射分量，是受到景物反射的光强度。

具体步骤如下：

（1）先对上式的两边同时取对数，即

Inf(x,y)=Ini(x,y)+Inr(x,y)

(2)将上式两边取傅立叶变换，得

F(u,v)=I(u,v)+R(u,v)

(3)用一个频域函数H(u,v)处理F(u,v)，可得到

H(u,v)F(u,v)=H(u,v)I(u,v)+H(u,v)R(u,v)

（4）逆傅立叶变换到空间域得

Hff(x,y)=hi(x,y)+hr(x,y)

可见增强后得图像是由对应照度分量与反射分量得两部分叠加而成。

（5）再将上式两边取指数，得

g(x,y)=exp|hff(x,y)|=exp|hi(x,y)|+exp|hr(x,y)|

这里，称作同态滤波函数，它可以分别作用于照度分量和反射分量上。

一幅图像得照明分量通常用慢变化来表征，而反射分量则倾向于急剧变换。所以图像取对数后得傅立叶变换的低频部分主要对应照度分量，而高频部分主要对应反射分量。适当的选择滤波器函数将会对傅立叶变换中的低频部分和高频部分产生不同的响应。处理结果会使像元灰度的动态范围或图像对比度得到增强。

以上就是关于数字图像信号的低频高频分量分别对应的图像部分全部的内容，包括:数字图像信号的低频高频分量分别对应的图像部分、如何用matlab对图像进行小波去噪，将高频部分部分设置为0、在图像处理中有哪些算法等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！