Chuyện gì đang xảy ra?
Hãy tưởng tượng một tấm ảnh xám như một mặt địa hình: chỗ sáng là đồi, chỗ tối là thung lũng. Ý tưởng của Fourier là bất kỳ mặt địa hình nào cũng có thể dựng lại bằng cách chồng lên nhau rất nhiều vân sóng sin (sinusoidal gratings) — có vân thưa (tần số thấp), có vân dày (tần số cao), có vân nằm ngang, dọc hay chéo. Biến đổi Fourier chỉ làm một việc: cho biết mỗi vân sóng cần đậm bao nhiêu (biên độ) và lệch đi bao nhiêu (pha).
Tần số thấp mang hình khối lớn: độ sáng chung, mảng trời, mảng tường. Tần số cao mang chi tiết: biên, sợi tóc, chữ nhỏ, và cả nhiễu. Vì vậy làm mờ chính là bỏ bớt tần số cao, còn làm sắc là khuếch đại chúng. Trên ảnh phổ biên độ đã dời tâm (fftshift), điểm giữa là thành phần trung bình, càng xa tâm càng là tần số cao; một bức tường gạch có vân lặp đều sẽ hiện thành các chấm sáng rõ rệt trên phổ.
Một điều bất ngờ: pha quan trọng hơn biên độ. Nếu lấy biên độ của ảnh A ghép với pha của ảnh B rồi biến đổi ngược, kết quả trông giống B nhiều hơn. Pha cho biết các vân sóng xếp thẳng hàng ở đâu — tức là biên và cấu trúc nằm ở đâu — còn biên độ của hầu hết ảnh tự nhiên khá giống nhau (giảm dần khi tần số tăng).
Định lý tích chập nối hai thế giới: tích chập trong miền ảnh bằng phép nhân từng điểm trong miền tần số. Nhờ đó ta đọc được tính chất bộ lọc bằng cách nhìn phổ của nó. Bộ lọc hộp (box) có phổ dạng sinc với các thùy phụ, nên để lọt lại một ít tần số cao; bộ lọc Gaussian có phổ cũng là Gaussian, giảm êm, không có thùy phụ. Ngược lại, cắt cứng trong miền tần số (bộ lọc “lý tưởng”) tương đương tích chập với hàm sinc trong miền ảnh — sinh ra các vòng gợn quanh biên gọi là ringing.
Hai ứng dụng kinh điển: ảnh lai (hybrid image, Oliva–Torralba–Schyns) ghép phần tần số thấp của ảnh này với phần tần số cao của ảnh kia; nhìn gần thấy ảnh “cao”, đứng xa thấy ảnh “thấp” vì mắt không còn phân giải được chi tiết. Và aliasing: khi giảm mẫu (bỏ bớt pixel) mà ảnh còn chứa tần số cao hơn một nửa tần số lấy mẫu mới (giới hạn Nyquist), các vân dày sẽ “giả dạng” thành vân thưa sai lệch — vân moiré, bánh xe quay ngược. Cách chữa luôn là làm mờ trước rồi mới giảm mẫu.
Thuật toán không “hiểu” ảnh. Nó chỉ tìm một cách biến đổi có thể kiểm tra được.
Viết lại bằng toán.
Không cần thuộc lòng. Hãy đọc công thức như một câu mô tả: đại lượng nào được cộng, cái gì bị chuẩn hoá, và điều kiện nào khiến nó thất bại.
Biến đổi Fourier rời rạc 2D (DFT)
- f(x, y): ảnh xám kích thước M × N
- (u, v): chỉ số tần số theo hai trục; (0, 0) là thành phần trung bình (DC)
- F(u, v): số phức — mô tả một vân sóng sin 2D
FFT tính đúng công thức này trong O(MN log MN) thay vì O((MN)²). Biến đổi ngược dùng dấu + ở số mũ và chia cho MN.
Biên độ và pha
- |F|: vân sóng đậm bao nhiêu
- φ: vân sóng dịch đi bao nhiêu — quyết định vị trí biên
Biên độ chênh nhau rất lớn giữa tần số thấp và cao, nên khi hiển thị thường dùng log(1 + |F|).
Định lý tích chập
- *: tích chập trong miền ảnh
- ·: nhân từng phần tử trong miền tần số
- H: phổ (đáp ứng tần số) của bộ lọc h
DFT ngầm coi ảnh lặp tuần hoàn, nên tích chập qua FFT là tích chập vòng: cần đệm (padding) nếu không muốn biên trái dính sang biên phải.
Bộ lọc thông thấp lý tưởng và Gaussian
- D(u, v): khoảng cách từ tâm phổ (đã fftshift) tới điểm (u, v)
- D₀: tần số cắt — trong demo là thanh “Tần số cắt”
- Thông cao: 1 − H; thông dải: H(D_cao) − H(D_thấp)
Gaussian độ lệch σ trong miền ảnh có phổ là Gaussian độ lệch tỉ lệ nghịch với σ: làm mờ càng mạnh thì phổ giữ lại càng hẹp.
Luồng xử lý bằng lời.
-
01
Chuyển ảnh về xám, kiểu float
Đọc ảnh, chuyển xám rồi ép
float32. FFT trênuint8vẫn chạy nhưng dễ nhầm khi biến đổi ngược và cắt giá trị. -
02
FFT và dời tâm
np.fft.fft2rồinp.fft.fftshiftđể tần số 0 nằm giữa. Hiển thịlog(1 + |F|)để thấy phổ. -
03
Dựng mặt nạ tần số
Tính khoảng cách D từ tâm cho mọi điểm, tạo mặt nạ lý tưởng (cắt cứng) hoặc Gaussian (giảm êm). Thông cao = 1 − thông thấp; thông dải = hiệu hai thông thấp.
-
04
Nhân rồi biến đổi ngược
Nhân phổ với mặt nạ,
ifftshift,ifft2, lấy phần thực. Ảnh thông cao có giá trị âm — cộng 128 hoặc chuẩn hoá trước khi hiển thị. -
05
So sánh và kiểm tra
Đặt cạnh nhau ảnh lọc lý tưởng và Gaussian cùng D₀ để thấy ringing. Với ảnh lai: lấy thông thấp ảnh A + thông cao ảnh B, xem ở hai cỡ hiển thị khác nhau.
Núm vặn và cạm bẫy.
| Tham số | Ý nghĩa | Khoảng |
|---|---|---|
mode | Loại bộ lọc: thông thấp (làm mờ), thông cao (giữ chi tiết/biên), thông dải (giữ một vành tần số), hoặc ảnh lai ghép tần số thấp của ảnh đang chọn với tần số cao của một ảnh khác. | lowpass / highpass / bandpass / hybrid |
cutoff | Bán kính D₀ (tính bằng ô tần số tính từ tâm phổ). Nhỏ = chỉ giữ hình khối lớn khi thông thấp; lớn = giữ gần hết ảnh. Với thông dải, vành giữ lại nằm quanh giá trị này. | 2…120 px |
shape | Dạng mặt nạ: Gaussian giảm êm, không gợn; lý tưởng cắt cứng tại D₀ nên sinh vòng gợn (ringing) quanh biên. | gaussian / ideal |
! Cạm bẫy thường gặp
- Quên
fftshift: tần số 0 nằm ở góc trên trái, mặt nạ tròn đặt ở giữa sẽ lọc sai hoàn toàn. - Dùng bộ lọc lý tưởng rồi thắc mắc vì sao có vòng gợn quanh biên — đó là ringing do hàm sinc; chuyển sang Gaussian hoặc Butterworth.
- Hiển thị ảnh thông cao bằng cách ép thẳng sang
uint8: giá trị âm bị cắt về 0 hoặc tràn; hãy cộng độ lệch hoặc chuẩn hoá. - FFT coi ảnh là tuần hoàn: mép trái và mép phải chênh lệch tạo vạch sáng ngang/dọc qua tâm phổ. Nhân cửa sổ (Hann) hoặc đệm ảnh nếu cần phổ sạch.
- Giảm kích thước ảnh bằng cách bỏ pixel (
img[::4, ::4]) mà không làm mờ trước sẽ gây aliasing, nhất là với vải sọc, lưới, chữ nhỏ. - Nhầm “px” của tần số cắt với pixel của ảnh: D₀ đo trên lưới tần số, nên cùng một D₀ cho mức mờ khác nhau với ảnh to và ảnh nhỏ.
Mã nguồn tối giản, không phải giả mã.
import cv2
import numpy as np
img = cv2.imread("astronaut.jpg", cv2.IMREAD_GRAYSCALE)
if img is None:
raise FileNotFoundError("Không đọc được ảnh")
f = img.astype(np.float32)
F = np.fft.fftshift(np.fft.fft2(f)) # tần số 0 nằm giữa
spectrum = np.log1p(np.abs(F)) # để hiển thị phổ biên độ
h, w = f.shape
yy, xx = np.mgrid[0:h, 0:w]
D = np.sqrt((yy - h / 2) ** 2 + (xx - w / 2) ** 2)
def lowpass(D0, shape="gaussian"):
if shape == "ideal":
return (D <= D0).astype(np.float32)
return np.exp(-(D ** 2) / (2 * D0 ** 2)).astype(np.float32)
def apply(F, H):
return np.real(np.fft.ifft2(np.fft.ifftshift(F * H)))
D0 = 30
low_gauss = apply(F, lowpass(D0, "gaussian"))
low_ideal = apply(F, lowpass(D0, "ideal")) # thấy ringing quanh biên
high = apply(F, 1 - lowpass(D0)) # có giá trị âm
band = apply(F, lowpass(2 * D0) - lowpass(D0))
# Pha quan trọng hơn biên độ: biên độ của ảnh A + pha của ảnh B
other = cv2.imread("camera.jpg", cv2.IMREAD_GRAYSCALE)
other = cv2.resize(other, (w, h)).astype(np.float32)
G = np.fft.fftshift(np.fft.fft2(other))
swap = np.real(np.fft.ifft2(np.fft.ifftshift(np.abs(F) * np.exp(1j * np.angle(G)))))
# Ảnh lai: tần số thấp của ảnh này + tần số cao của ảnh kia
hybrid = apply(F, lowpass(12)) + apply(G, 1 - lowpass(25))
def to_u8(x):
return cv2.normalize(x, None, 0, 255, cv2.NORM_MINMAX).astype(np.uint8)
cv2.imwrite("spectrum.png", to_u8(spectrum))
cv2.imwrite("low_gauss.png", np.clip(low_gauss, 0, 255).astype(np.uint8))
cv2.imwrite("low_ideal.png", np.clip(low_ideal, 0, 255).astype(np.uint8))
cv2.imwrite("high.png", np.clip(high + 128, 0, 255).astype(np.uint8))
cv2.imwrite("band.png", to_u8(band))
cv2.imwrite("phase_swap.png", to_u8(swap))
cv2.imwrite("hybrid.png", to_u8(hybrid))
# Aliasing: giảm mẫu 4 lần có và không làm mờ trước
naive = img[::4, ::4]
safe = cv2.resize(cv2.GaussianBlur(img, (0, 0), 2.0), (w // 4, h // 4),
interpolation=cv2.INTER_NEAREST)
cv2.imwrite("down_naive.png", naive)
cv2.imwrite("down_blur_first.png", safe)
Điều chỉnh tham số.
Chọn ảnh mẫu hoặc tải ảnh của bạn lên, chỉnh tham số, rồi chạy. Kết quả, các bước trung gian và nhật ký được cập nhật ngay tại đây.
$ bài thử chưa chạy $ chọn ảnh và bấm “Chạy thử”
Dùng nó ở đâu?
Thiết kế và phân tích bộ lọc: biết bộ lọc giữ / bỏ dải tần nào trước khi áp vào ảnh.
Tích chập nhanh với nhân lớn bằng FFT (lọc ảnh y tế, thiên văn, khử nhoè).
Xoá nhiễu tuần hoàn (vạch quét, vân moiré) bằng cách chặn các chấm sáng trên phổ.
Ảnh lai và nghiên cứu cảm nhận thị giác theo khoảng cách nhìn.
Chống răng cưa khi thu nhỏ ảnh, dựng thumbnail và kim tự tháp ảnh.
Những hướng đang được dùng hiện nay.
Các phương pháp dưới đây không thay thế baseline; chúng giải quyết những điểm yếu của cách cổ điển khi có thêm dữ liệu, GPU hoặc yêu cầu độ ổn định cao hơn.
Tích chập qua FFT trong học sâu
Khi nhân tích chập rất lớn, nhân trong miền tần số rẻ hơn trượt cửa sổ; một số thư viện chọn thuật toán FFT tự động tuỳ kích thước nhân.
Dùng khi: Nhân lớn, ảnh lớn, lọc toàn cục.Lớp lọc toàn cục trong miền tần số
Một số kiến trúc thay khối attention bằng phép FFT → nhân với bộ lọc học được → FFT ngược, trộn thông tin toàn ảnh với chi phí thấp.
Dùng khi: Phân loại / phân đoạn cần trường nhìn toàn cục mà ngân sách tính toán hạn chế.Chống aliasing trong CNN
Các lớp stride / pooling chính là giảm mẫu; chèn bộ lọc làm mờ trước khi giảm mẫu giúp mạng ổn định hơn khi ảnh dịch đi vài pixel.
Dùng khi: Mạng cần bất biến dịch chuyển tốt (phân loại, nhận dạng chi tiết).- CS 4476 Computer Vision — James Hays, Georgia Tech (bài giảng 04, 05, 06, 07)
- Richard Szeliski — Computer Vision: Algorithms and Applications (2nd ed.)
- OpenCV — Fourier Transform (tutorial Python)
Chương này được viết lại bằng tiếng Việt dựa trên chủ đề của bài giảng gốc; không sao chép slide.