获取输入图像，根据上下空间频率阈值修改其频域，并返回过滤后的图像。 这是一个“硬”滤波器，因为阈值频率内的频域中的所有值都乘以 1，阈值之外的所有值都乘以 0。 该程序可用于隔离特定频率； 然而，由于过滤器的不连续特性，一些过滤后的图像会出现“波浪状”伪影，尤其是在边缘周围。 我很快就会上传一个高斯滤波器，其中用户指定的阈值对应于高斯函数的半高全宽 (FWHM)。 该过滤器将产生更平滑的图像，但在隔离特定波长方面效果不佳。 您选择的过滤器将取决于打算使用它的应用程序。 此功能还包括物理数据的比例因子。 任何时候图像的高度与其宽度在物理上不同时都应该使用它（例如，图像在物理上代表 2 毫米 x 3 毫米的区域）。 请参阅函数描述和示例，以获取对其使用的更深入解释和演示。

干涉测量法是测量科学中最有效的手段之一，而无论是要增大其动态测量范围还是要检测面形的高频误差，都受限于检测的空间带宽，故干涉条纹带宽与波前频谱的关系就成为关注的重点。针对这一需求，结合傅里叶光学理论对干涉条纹带宽与波前频谱的关系进行了理论分析和仿真实验，得到了干涉条纹带宽与波前频谱的数值对应关系。结果表明，干涉条纹强度分布的空间频谱是波前分布函数的空间频谱基础上的扩展，扩展程度取决于波前分布的幅频积。频谱扩展程度与波前分布的幅频积呈正比，波前分布的幅频积越大，空间频谱扩展越宽。根据CCD 分辨率确定干涉图的总带宽，可以计算出能测的波前最大空间频率，对后续研究各种干涉方法的频谱特性以及如何进行频谱带宽的优化分配，从而进一步提高可测面形空间频率的测量范围提供了理论依据。

针对红外与可见光图像融合结果中边缘区域失真严重、对比度差的问题,提出一种基于多尺度顺序 翻转算子(MSSTO)和非下采样轮廓波变换(NSCT)的图像增强融合算法.首先,采用NSCT将图像分解成 高低频系数;其次,利用MSSTO从低频系数中提取出有效的亮、暗信息,并将其注入到融合低频系数中以 合成最终低频系数;再次,高频系数采用局部空间频率加权(LFSW)与区域能量取大的融合方案;最后,对 合成的高低频系数进行反NSCT得到融合图像.实验结果验证了所提出算法的有效性.

以随机相位屏构造光束波前畸变模型，运用不同阶数的Zernike多项式对其进行拟合。通过对比分析原始波前及拟合波前的功率谱密度，明确了波面拟合过程中Zernike 多项式对波前中高频成分拟合存在的不足，进而提出了基于Zernike多项式的分块拟合方式加以改进。研究结果表明：在常规的拟合方式下，随着拟合阶数的增加，能准确反映的波前相位空间频率逐渐向高频范围扩展，但其扩展幅度并不大；此外，即使采用较高的拟合阶数，Zernike多项式也难以准确反映波前空间频率中的高频成分；而采用分块拟合方式后，Zernike多项式的拟合效果明显提升，并能有效反映畸变波前空间频率中的高频成分；在提高波面拟合精度上，增加分块数的效果明显优于增加Zernike多项式拟合阶数；对于分块拟合方式，当分块数一定时，增大子区域拟合所使用的Zernike阶数的拟合效果明显优于增大整体拟合所使用的Zernike阶数。

空间频率 (SF) 是一种图像质量指标，用于测量图像中的整体活动水平 [1]。 空间频率定义为 SF= sqrt (RF^2 + CF^2) 其中 RF 是行频率，CF 是列频率。 可以在此处找到 CF、RF 和 SF 的公式 [1,2]。 Li等。 SF 的当前值，介于 5 和 30 之间。此处给出的空间频率函数生成介于 0 和 1 之间的值。这可能是由于灰度。 Li等。 不介绍它们的灰度化方法。 这里，Matlab 函数 rgb2gray [3] 用于通过形成 R、G 和 B 分量的加权总和将 RGB 值转换为灰度值： 0.2989 * R + 0.5870 * G + 0.1140 * B 这些权重与 rgb2ntsc 函数用于计算 Y 分量的权重相同。 rgb2gray 中用于计算灰度值的系数与 ITU-R BT.601-7 建议书中用于计算亮度 (E'y) 的系数相同，四

使用 Barten 模型计算输入空间频率的对比敏感度值。 输入参数包括空间频率（周期/度）、显示亮度（cd/m2）、周围亮度（cd/m2）和视野（度）。 参考：P. Barten，“人眼对比敏感度公式”，Proc。 SPIE 5294, 231–238 (2003)。 作者：Zong Qin (qinzong.wnlo@gmail.com) 来自台湾国立交通大学

超精密加工工件表面存在影响其性能的各种空间频率误差,针对工件的不同性能研究,需要采用有效分解手段对含有特定频段空间频率误差的形貌进行提取。传统的空间频率误差分解方法存在严重的模态混叠现象,为了解决这一问题,提出自适应二维变分模态分解(BVMD)算法对三维表面形貌进行分解。首先,由于采集三维形貌数据时会造成截断误差,引入镜像延拓和自卷积Hanning窗方法对数据进行预处理。然后,利用粒子群退火优化算法,对BVMD算法中的惩罚系数和分解层数进行寻优处理。其中,以各模态分量之间的频谱KL散度作为混叠指标,引入最小风险贝叶斯决策理论,综合KL散度与重构误差,构建优化算法适应度函数。最后,对超精密加工实测表面形貌进行分析,并与离散小波分解、二维经验模态分解方法相比较。结果显示,所提方法分解的KL散度值在10 2量级,远高于其他两种方法,能更好抑制模态混叠,实现超精密加工表面空间频率误差的有效分解。

空间频率是指图像函数在单位长度上重复变化的次数,可以用它来表示融合图像在空间域的稀疏程度。

空间频率是指每度视角内图象或刺激图形的亮暗作正弦调制的栅条周数，单位是周/度。它是根据19世纪数学家J.-B.-J. 傅里叶提出的分析振动波形的理论而出现的描述视觉系统工作特性的概念。最初在物理光学中，空间频率指每毫米具有的光栅数，单位为线/毫米。60年代引入视觉的研究中。这一概念的广泛运用，为视觉特性、图形知觉以及视觉系统信号的传输、信息的加工等研究提供了一个新的途径。

计算一幅图像的空间频率和清晰度，基于openCV实现，适用于图像融合、识别等机器视觉领域。