Garfield
YZF Admin
İki boyutlu Fourier dönüşümü, görüntüyü piksellerden oluşan uzaysal gösterim yerine farklı frekansların birleşimi olarak incelemeyi sağlar. Böylece görüntüdeki yumuşak ve geniş ölçekli değişimler, keskin kenarlar, ince ayrıntılar ve periyodik gürültü birbirinden ayrılabilir. Pratikte Fourier dönüşümü; bulanıklaştırma veya keskinleştirme filtreleri tasarlamak, tekrar eden gürültüyü bastırmak, görüntüdeki ayrıntı ölçeklerini analiz etmek ve bazı işlemleri frekans alanında daha kolay gerçekleştirmek için kullanılır.
Bir görüntüde frekans, parlaklığın uzayda ne kadar hızlı değiştiğini ifade eder. Geniş ve yumuşak gölgeler düşük frekanslı bileşenlerdir. Nesne sınırları, ince çizgiler ve küçük ayrıntılar ise yüksek frekanslı bileşenlerdir.
Fourier dönüşümü bu bileşenlerin her birinin görüntüye ne kadar katkı verdiğini hesaplar. Sonuç genellikle karmaşık sayılardan oluşan bir frekans gösterimidir. Bu gösterimden iki önemli bilgi elde edilir: genlik, bir frekansın ne kadar güçlü olduğunu; faz ise bu yapının görüntüdeki konumuyla ilişkili bilgiyi taşır. Bu nedenle yalnızca genlik bilgisine bakmak, görüntünün tüm uzaysal bilgisini korumaz.
İki boyutlu görüntülerde dönüşümün sonucu çoğu zaman merkezlenmiş bir spektrum olarak görselleştirilir. Merkez çevresindeki parlak bölgeler düşük frekansları, merkezden uzak bölgeler yüksek frekansları temsil eder. Görselleştirme sırasında genlik değerleri geniş bir aralığa yayıldığı için genellikle logaritmik ölçek kullanılır; aksi hâlde güçlü düşük frekanslar diğer ayrıntıları bastırabilir.
Bir filtre uygulamadan önce amaç belirlenmelidir. Düşük frekansları koruyan bir filtre görüntüyü yumuşatır; yüksek frekansları koruyan veya güçlendiren bir filtre kenarları ve ince ayrıntıları öne çıkarır. Ancak yüksek frekansların tamamı yararlı ayrıntı değildir; sensör gürültüsü ve sıkıştırma izleri de bu bölgede bulunabilir.
Bu ayrım, Fourier dönüşümünün tek başına “görüntüyü iyileştiren” bir işlem olmadığını gösterir. Önce spektrum incelenir, ardından istenen frekansları geçiren veya bastıran bir maske uygulanır. Son olarak ters Fourier dönüşümüyle sonuç tekrar görüntü alanına çevrilir. Filtre maskesinin sert sınırları, görüntüde halka veya çınlama benzeri yapay izler oluşturabileceğinden yumuşak geçişli filtreler çoğu durumda daha güvenli sonuç verir.
Varsayımsal olarak taranmış bir belgede yatay yönde düzenli aralıklarla tekrarlanan koyu çizgiler bulunduğunu düşünün. Uzaysal görüntüde bu çizgileri tek tek seçmek zor olabilir. Fourier dönüşümü uygulandığında, düzenli tekrar nedeniyle spektrumda merkezden uzakta belirgin ve karşılıklı iki parlak nokta oluşabilir.
Bu noktalar gürültünün baskın frekansını temsil eder. Bu frekanslara karşılık gelen küçük bölgeler bir çentik filtresiyle bastırılıp ters dönüşüm uygulandığında, metin ve büyük görüntü yapıları büyük ölçüde korunurken düzenli çizgiler zayıflar. Çıktının doğru olduğu, çizgilerin azalmasına karşın harf kenarlarının ve belge düzeninin gereksiz biçimde silinmemesiyle değerlendirilir.
Aynı yöntem rastgele gürültüde aynı sonucu vermeyebilir. Rastgele gürültü, spektrumda tek veya birkaç belirgin nokta yerine daha geniş bir alana yayılır. Bu durumda yalnızca birkaç frekansı silmek yeterli olmaz; düşük geçiren bir filtre gürültüyü azaltabilir, fakat ince metin ayrıntılarını da yumuşatabilir.
Fourier dönüşümü görüntüdeki frekans bileşenlerini gösterir; bir nesnenin ne olduğunu kendiliğinden anlamaz. Örneğin spektrumda yüksek frekansların güçlü olması, görüntünün mutlaka net veya doğru olduğu anlamına gelmez. Bu durum kenar, ayrıntı, gürültü ya da yapay sıkıştırma izlerinden kaynaklanabilir.
Benzer şekilde, frekans alanında belirgin bir desen görülmesi de sorunun kesin olarak çözülebileceğini garanti etmez. Filtreleme sırasında faz bilgisinin korunmaması, yanlış eşik seçilmesi veya uygun olmayan maske kullanılması görüntünün konum ve biçim bilgisini bozabilir. Bu yüzden filtrelenmiş görüntü, yalnızca spektruma bakılarak değil, özgün görüntüyle karşılaştırılarak değerlendirilmelidir.
Görüntüyü genel olarak yumuşatmak ve rastgele gürültüyü azaltmak istiyorsanız düşük frekansları geçiren bir filtre düşünülebilir. Kenarları belirginleştirmek istiyorsanız yüksek frekans bileşenlerini güçlendirmek mümkündür; fakat gürültü de artabileceği için sonucu ayrıca denetlemek gerekir. Tekrarlayan çizgi veya ızgara gibi bir bozulma varsa spektrumda karşılık gelen dar bölgeleri hedefleyen çentik filtresi daha uygun olabilir.
Özetle Fourier dönüşümü, görüntüyü doğrudan düzenlemekten çok görüntü yapısını frekanslara ayırarak hangi ayrıntının, gürültünün veya tekrarın nerede bulunduğunu görmeyi sağlar. Dönüşüm, frekans seçimi, ters dönüşüm ve özgün görüntüyle karşılaştırma birlikte kullanıldığında anlamlı bir görüntü işleme yöntemi hâline gelir.
Görüntüde “frekans” ne demektir?
Bir görüntüde frekans, parlaklığın uzayda ne kadar hızlı değiştiğini ifade eder. Geniş ve yumuşak gölgeler düşük frekanslı bileşenlerdir. Nesne sınırları, ince çizgiler ve küçük ayrıntılar ise yüksek frekanslı bileşenlerdir.
Fourier dönüşümü bu bileşenlerin her birinin görüntüye ne kadar katkı verdiğini hesaplar. Sonuç genellikle karmaşık sayılardan oluşan bir frekans gösterimidir. Bu gösterimden iki önemli bilgi elde edilir: genlik, bir frekansın ne kadar güçlü olduğunu; faz ise bu yapının görüntüdeki konumuyla ilişkili bilgiyi taşır. Bu nedenle yalnızca genlik bilgisine bakmak, görüntünün tüm uzaysal bilgisini korumaz.
İki boyutlu görüntülerde dönüşümün sonucu çoğu zaman merkezlenmiş bir spektrum olarak görselleştirilir. Merkez çevresindeki parlak bölgeler düşük frekansları, merkezden uzak bölgeler yüksek frekansları temsil eder. Görselleştirme sırasında genlik değerleri geniş bir aralığa yayıldığı için genellikle logaritmik ölçek kullanılır; aksi hâlde güçlü düşük frekanslar diğer ayrıntıları bastırabilir.
Hangi işlem için hangi frekans bölgesi kullanılır?
Bir filtre uygulamadan önce amaç belirlenmelidir. Düşük frekansları koruyan bir filtre görüntüyü yumuşatır; yüksek frekansları koruyan veya güçlendiren bir filtre kenarları ve ince ayrıntıları öne çıkarır. Ancak yüksek frekansların tamamı yararlı ayrıntı değildir; sensör gürültüsü ve sıkıştırma izleri de bu bölgede bulunabilir.
| Frekans bölgesi | Görüntüdeki karşılığı | Yaygın kullanım |
|---|---|---|
| Düşük frekans | Yumuşak geçişler, genel aydınlık ve büyük yapılar | Bulanıklaştırma, arka plan ve aydınlatma analizi |
| Yüksek frekans | Kenarlar, ince çizgiler, küçük ayrıntılar ve bazı gürültüler | Keskinleştirme, kenar analizi, ayrıntı çıkarma |
| Belirli yön veya konumlardaki frekanslar | Tekrarlayan desenler ve periyodik gürültü | Bant veya çentik filtreleriyle bastırma |
Basit bir örnek: periyodik gürültüyü ayırmak
Varsayımsal olarak taranmış bir belgede yatay yönde düzenli aralıklarla tekrarlanan koyu çizgiler bulunduğunu düşünün. Uzaysal görüntüde bu çizgileri tek tek seçmek zor olabilir. Fourier dönüşümü uygulandığında, düzenli tekrar nedeniyle spektrumda merkezden uzakta belirgin ve karşılıklı iki parlak nokta oluşabilir.
Bu noktalar gürültünün baskın frekansını temsil eder. Bu frekanslara karşılık gelen küçük bölgeler bir çentik filtresiyle bastırılıp ters dönüşüm uygulandığında, metin ve büyük görüntü yapıları büyük ölçüde korunurken düzenli çizgiler zayıflar. Çıktının doğru olduğu, çizgilerin azalmasına karşın harf kenarlarının ve belge düzeninin gereksiz biçimde silinmemesiyle değerlendirilir.
Aynı yöntem rastgele gürültüde aynı sonucu vermeyebilir. Rastgele gürültü, spektrumda tek veya birkaç belirgin nokta yerine daha geniş bir alana yayılır. Bu durumda yalnızca birkaç frekansı silmek yeterli olmaz; düşük geçiren bir filtre gürültüyü azaltabilir, fakat ince metin ayrıntılarını da yumuşatabilir.
Fourier dönüşümü neyi kanıtlamaz?
Fourier dönüşümü görüntüdeki frekans bileşenlerini gösterir; bir nesnenin ne olduğunu kendiliğinden anlamaz. Örneğin spektrumda yüksek frekansların güçlü olması, görüntünün mutlaka net veya doğru olduğu anlamına gelmez. Bu durum kenar, ayrıntı, gürültü ya da yapay sıkıştırma izlerinden kaynaklanabilir.
Benzer şekilde, frekans alanında belirgin bir desen görülmesi de sorunun kesin olarak çözülebileceğini garanti etmez. Filtreleme sırasında faz bilgisinin korunmaması, yanlış eşik seçilmesi veya uygun olmayan maske kullanılması görüntünün konum ve biçim bilgisini bozabilir. Bu yüzden filtrelenmiş görüntü, yalnızca spektruma bakılarak değil, özgün görüntüyle karşılaştırılarak değerlendirilmelidir.
Kullanım amacına göre doğru yaklaşım
Görüntüyü genel olarak yumuşatmak ve rastgele gürültüyü azaltmak istiyorsanız düşük frekansları geçiren bir filtre düşünülebilir. Kenarları belirginleştirmek istiyorsanız yüksek frekans bileşenlerini güçlendirmek mümkündür; fakat gürültü de artabileceği için sonucu ayrıca denetlemek gerekir. Tekrarlayan çizgi veya ızgara gibi bir bozulma varsa spektrumda karşılık gelen dar bölgeleri hedefleyen çentik filtresi daha uygun olabilir.
Özetle Fourier dönüşümü, görüntüyü doğrudan düzenlemekten çok görüntü yapısını frekanslara ayırarak hangi ayrıntının, gürültünün veya tekrarın nerede bulunduğunu görmeyi sağlar. Dönüşüm, frekans seçimi, ters dönüşüm ve özgün görüntüyle karşılaştırma birlikte kullanıldığında anlamlı bir görüntü işleme yöntemi hâline gelir.
