核心比喻图像的“轮廓笔”和“细节放大器”想象你的图像是一幅铅笔画有粗略的素描轮廓也有细腻的明暗调子阴影。低通滤波像用一块软布轻轻涂抹画纸让细腻的调子阴影晕开、融合最终只留下最粗略、最柔和的大块面轮廓。画面变模糊、平滑。高通滤波则像用一支尖锐的硬橡皮专门去擦除画面上那些大面积、均匀的灰色调子阴影只留下最硬的、变化最剧烈的铅笔线条边缘。画面只剩下轮廓和纹理失去了连续的明暗层次。在频率的世界里高通滤波就是低通滤波的“反操作”。第一步高通滤波做了什么回顾一下在频率域频谱图中中心 低频 图像缓慢变化的部分平缓的肤色、天空渐变。外围 高频 图像剧烈变化的部分锐利的边缘、细密的纹理。高通滤波的操作正好相反先“翻译”通过傅里叶变换得到图像的频谱图。关键操作在频谱图上用一个“圆形挡板”把中心的低频区域盖住将其系数乘以0或很小的数只让外围的高频部分通过。再“翻译”回来通过傅里叶逆变换把处理后的频谱图变回像素域。最终效果你得到了一张只剩下边缘、纹理和噪声而几乎丢失了所有平滑区域信息的图像。它看起来像是图像的“骨架”或“线稿”。第二步高通滤波结果的视觉特征经过高通滤波后的图像通常具有以下非常独特的外观大面积呈现中性灰色通常是128这是因为原图中所有平缓变化的区域低频被移除后其像素值被拉平到了平均值附近。仅在最剧烈的变化处边缘留下痕迹物体的轮廓、纹理、文字等地方会以亮线或暗线的形式凸显在灰色背景上。看起来像“浮雕”或“照片的底片边缘”。第三步为什么需要高通滤波四大核心用途边缘检测最核心的用途目的让计算机“看见”物体的边界。这是图像识别、目标检测、自动驾驶等一切高级视觉任务的第一步。如何做直接对图像进行高通滤波得到的输出就是一张边缘响应图。亮白线表示从暗到亮的正边缘暗黑线表示从亮到暗的负边缘。著名算子Sobel、Prewitt、Canny更高级等边缘检测算子其数学本质就是特定形式的高通滤波器。图像锐化让模糊图像变清晰问题照片拍模糊了或者经过压缩、传输后细节丢失。高通滤波的妙用先对模糊图像做高通滤波得到其“丢失的边缘和细节”即高频成分。然后将这个高频细节图按一定比例加回到原模糊图像上。结果边缘被加强纹理更突出图像看起来更清晰、更“通透”。这称为“非锐化掩蔽”是Photoshop等软件中“USM锐化”工具的底层原理。纹理分析与增强目的研究或强化物体的表面质感如木材纹路、织物编织、皮肤毛孔。如何做纹理本质是有规律的高频模式。高通滤波能有效地将纹理从平滑的背景中分离出来便于分析或单独增强。医学与科学影像分析在X光、CT、显微图像中医生和科学家常常需要观察组织的边界、细胞的轮廓、材料的裂缝。高通滤波能抑制均匀的组织区域强烈突出这些关键的边缘结构辅助诊断和测量。第四步与低通滤波的直观对比特性低通滤波 (磨皮)高通滤波 (勾边)操作对象削弱或消除高频削弱或消除低频频域操作保留中心阻挡外围阻挡中心保留外围视觉效果图像变模糊、平滑、柔和图像只剩下边缘和纹理灰色背景主要应用1. 去噪2. 模糊/虚化3. 平滑预处理1. 边缘检测2. 图像锐化3. 纹理提取典型比喻软布涂抹硬橡皮擦除阴影第五步需要注意的要点也会放大噪声高通滤波在增强边缘的同时也会同等地增强噪声因为噪声也是高频信号。因此在锐化前通常需要先进行适度的低通滤波降噪这是一个经典的权衡。“理想”高通滤波器也有振铃效应和低通滤波一样使用生硬的“理想高通滤波器”也会在边缘产生振铃伪影。因此实践中更常用高斯高通滤波器或其变体以实现平滑过渡。带通滤波有时我们只关心某个特定频段既不要最低频也不要最高频。这可以通过结合低通和高通来实现称为带通滤波。总结一张图看懂高通滤波原始图像→傅里叶变换到频域→频谱图→用“圆形挡板”盖住中心低频→傅里叶逆变换回像素域→得到边缘/细节突出的图像一句话记住频域高通滤波就是抓住图像的“频谱图”把中心代表主体和阴影的“低音区”静音只留下外围代表轮廓和细节的“高音区”从而得到一张以灰色为底、只描画了边缘线的“图像骨架图”。它是让计算机“看见”形状、让我们“看清”细节的关键技术。