CS Fundamentals Trainer · Guias

Filtragem no espaço e na frequência: uma operação, duas visões

A convolução como multiplicação de espectros e o impulso como constante. A soma de um kernel é seu ganho na frequência zero, kernels passa-alta, rejeita-faixa e passa-faixa construídos de um passa-baixa, por que um gaussiano largo tem espectro estreito, aliasing e filtragem antes de reduzir, e quando calcular no domínio da frequência.

8 min de leitura

Todo filtro espacial tem uma segunda descrição que muitas vezes é mais fácil de raciocinar: o que ele faz com as frequências da imagem. Bordas, ruído e textura fina vivem nas altas frequências; paredes, céus e sombreamentos suaves vivem nas baixas. Borrar remove as primeiras, aguçar as reforça, e "passa-baixa", "passa-alta" e "passa-faixa" são nomes para o que um filtro mantém. Este guia liga as duas visões, para que você preveja o efeito de um kernel pela sua forma e projete um a partir do efeito que quer.

1. Os dois fatos que ligam tudo

  1. A convolução no domínio espacial é uma multiplicação no domínio da frequência (e vice-versa). Filtrar uma imagem com um kernel w é multiplicar o espectro da imagem pelo espectro de w.
  2. Um impulso de intensidade A no domínio espacial é uma constante A no domínio da frequência (e vice-versa). Um kernel com um único 1 e zeros no resto, o impulso unitário, tem um espectro plano igual a 1 e deixa tudo passar sem mudança.

Todo o resto deste guia decorre desses dois fatos, junto com o fato de que uma imagem pode ser escrita como uma soma de senoides de frequências e amplitudes diferentes. Regiões de variação lenta pedem senoides de baixa frequência, e transições abruptas pedem senoides de alta frequência.

2. A frequência como imagem

Uma placa zonal é uma imagem de teste de anéis concêntricos que ficam mais estreitos longe do centro, então sua frequência local cresce com a distância ao centro. Filtre-a e o resultado mostra o comportamento do filtro em frequência como uma imagem:

Uma placa zonal é um bom primeiro teste para qualquer kernel que você escrever. Se o padrão de saída é quadrado em vez de redondo, o kernel não é isotrópico (um kernel separável construído de um perfil 1-D dá um padrão quadrado, enquanto girar o mesmo perfil 1-D em torno do centro dá um redondo).

3. A soma dos coeficientes é o ganho na frequência zero

A componente "DC" (frequência zero) é o nível médio da imagem. Um kernel a multiplica pela soma de seus coeficientes.

KernelSomaNa frequência zeroConsequência
Caixa ou gaussiano normalizado1ganho 1regiões planas mantêm o valor
Laplaciano, Sobel, passa-alta0ganho 0regiões planas dão zero; o resultado tem valores negativos e deve ser reescalado para exibição
Kernel de nitidez (impulso + k × passa-alta)1ganho 1o brilho é mantido enquanto o detalhe é reforçado

Esse único fato explica por que os kernels de suavização são normalizados, por que os kernels de derivada somam zero e por que aguçar somando de volta ao original uma imagem de derivada mantém a faixa tonal.

4. Construir os quatro tipos de filtro a partir de um passa-baixa

Seja lp um kernel passa-baixa e δ o impulso unitário com o mesmo centro. No domínio da frequência, "1 menos o passa-baixa" é um passa-alta, e 1 é a transformada de δ, então:

FiltroKernelPor quê
Passa-baixalpdado
Passa-altaδ − lpo espectro 1 − H(u)
Rejeita-faixalp₁ + (δ − lp₂)um passa-baixa e um passa-alta com cortes diferentes
Passa-faixaδ − rejeita-faixao complemento da faixa rejeitada

Um caso concreto: o passa-baixa de caixa 3 × 3 tem 1/9 em toda parte. Subtraí-lo do impulso dá um passa-alta com 8/9 no centro e −1/9 nos outros oito lugares, que soma zero. A máscara de nitidez f − borrada(f) é exatamente a saída desse passa-alta, então a máscara de nitidez é "somar ao original uma cópia da imagem filtrada com passa-alta". Somar k vezes esse passa-alta ao impulso dá o kernel de nitidez; com k = 1 e a caixa 3 × 3, ele tem 17/9 no centro e −1/9 nos demais, e soma 1.

5. O par gaussiano

Um gaussiano no espaço tem um espectro gaussiano, e as duas larguras são inversamente relacionadas: um kernel largo (σ grande) tem um espectro estreito. Por isso um σ maior borra mais, já que passa uma faixa mais estreita de baixas frequências. Três consequências:

6. Onde entra a amostragem

Amostrar uma imagem em uma grade só consegue representar frequências até um limite dado pelo espaçamento dos pixels. As frequências acima dele não desaparecem; elas dobram para trás e aparecem como falsas frequências mais baixas (aliasing, moiré, diagonais serrilhadas). As regras práticas decorrem direto:

7. Espaço ou frequência: em qual calcular?

Os dois dão o mesmo resultado quando bem feitos, então a questão é custo e conveniência.

Dois detalhes pedem cuidado ao calcular no domínio da frequência:

8. Equívocos

9. Autoavaliação

Respostas: ambos têm ganho 1; passa-faixa = δ − (lp₁ + (δ − lp₂)); σ = 2√2 ≈ 2,83, então um tamanho de ⌈6σ⌉ = 17, que já é ímpar; porque o ruído também vive nas altas frequências, um passa-alta o mantém.

Leitura complementar

Pratique este tema: Computer Vision

Mais guias