图像频率域分析之频域谱(FDE)

本文最后更新于:2022年8月26日 晚上

[TOC]

Overview

code: https://github.com/cggos/cvkit/blob/master/scripts/cv_py/fft_fde.py

主要用于:

  • 图像模糊度计算
  • 镜头对焦

频域熵(FDE)

计算图像的 频域谱,表示如下

\[ f(i, j) \]

将其 幅度谱 归一化

\[ f_{\text {norm }}(i, j)=\frac{1}{\sum_{(i, j) \in D}|f(i, j)|}|f(i, j)| \]

计算 归一化幅度谱信息熵,即最终的 FDE

\[ F D E=-\sum_{(i, j) \in D} f_{\text {norm }}(i, j) \cdot \log \left(f_{\text {norm }}(i, j)\right) \]

图像模糊度

通过计算图像模糊度,我们在SLAM算法中可以

  • 检测模糊图像
  • 动态改变图像特征点的噪声值

高斯模糊图像

通过利用高斯模糊算法将图像模糊程度逐渐增大,其对应的FDE值逐渐减小。

  • Entropy: 11.368065834 (Origin)
  • Entropy: 10.0918264389 (\(\sigma = 1\))
  • Entropy: 9.30934810638 (\(\sigma = 2\))
  • Entropy: 8.96276855469 (\(\sigma = 3\))
  • Entropy: 8.66108512878 (\(\sigma = 5\))
  • Entropy: 8.41834259033 (\(\sigma = 10\))

References

  • Entropy based measure of camera focus

图像频率域分析之频域谱(FDE)
https://cgabc.xyz/posts/f31ca1ba/
作者
Gavin Gao
发布于
2022年1月31日
许可协议