第4章 信号与图像处理

第4章 信号与图像处理

章节摘要：现实中的数据很少是干净整齐的表格，它们更多是传感器采回来的波形、设备录下来的振动、显微镜拍出来的照片。本章处理的就是这一类数据：先教你把一段时域信号拆成频率成分，用 scipy.fft 做频谱分析；再教你在频域里做文章，用 scipy.signal 设计滤波器，把噪声和工频干扰按频率砍掉；随后把同样的思路延伸到二维，用 scipy.ndimage 给图像去噪、做形态学分析、数出图中的连通对象。读完本章，你将拥有"频谱分析 → 滤波去噪 → 图像处理"的完整动手链路，并能独立完成一个信号清洗与频谱验证的小项目。整章节奏与前面几章一致：每节先给能跑的代码，再讲原理、取舍与坑，适合边读边敲。

上手前先明确

阅读完本章，你应当能够：

1. 用 scipy.fft 对一段采样信号做频谱分析，正确解释幅值谱横轴与纵轴的含义；
2. 用采样定理与频率分辨率判断一组采样参数能否看清目标频率，避免混叠与误读；
3. 在 butter、cheby1、ellip 之间做出选择，用 sos 形式设计数值稳定的滤波器；
4. 区分 lfilter 与 filtfilt 的相位行为，在实时与离线场景中选对应用方式；
5. 用 scipy.ndimage 完成图像去噪、形态学处理与连通域计数；
6. 独立完成一个含工频干扰的信号去噪案例，并用频谱对比验证效果；
7. 说清 scipy.ndimage 与 skimage 的分工边界，知道下一步该去哪里找工具。

核心概念速览

一句话记住本章：先看清频谱里有什么，再决定动哪一刀；一维信号靠 fft 与 signal，二维信号交给 ndimage。

上图把本章的武器分成两组：左边一列是信号链路——采样信号先进 fft 看清频谱，再交给 signal 滤波，得到干净波形；右边一列是图像链路——图像矩阵交给 ndimage，完成去噪与对象计数。两条链路共享同一套思想：先分析，再处理，后验证。图里的每一步，都在后面四个小节里有一节对应。

子章节导航

4.1 快速傅里叶变换

从一段能跑的频谱分析代码开始，讲清 scipy.fft 相对 numpy.fft 的三个优势：后端切换、实数变换家族、配套频率轴工具。随后进入两个绕不开的概念——采样定理决定了你能看到多高的频率，窗函数决定了频谱会不会"漏油"。这一节给你装上"频谱眼"。

4.2 信号处理与滤波

把"看清楚"升级为"动手改"：用 butter、cheby1、ellip 设计滤波器，用 lfilter 做因果滤波、filtfilt 做零相位滤波，用 sos 形式保证高阶滤波器的数值稳定。最后用移动平均与 IIR 滤波的正面对比，说明为什么频域思维能省掉大量试错。配图是一张滤波前后频谱对比示意，帮你把"频域验收"变成直觉。

4.3 图像处理与ndimage

把一维信号换成二维数组：高斯滤波与中值滤波的取舍、形态学四件套对二值图的操作、label 与 find_objects 的连通域计数与对象定位，以及 rotate 与 zoom 的几何变换。结尾划清 scipy.ndimage 与 skimage 的边界，免得在错误的位置找工具。

4.4 实战：信号滤波与频谱分析

把前三节串成一条流水线：一段含 50 赫兹工频干扰的振动信号，先频谱定位，再带阻与低通组合滤波，最后用频谱对比验证效果；后半部分处理一张带噪图像，对比中值与高斯滤波。配图是一张滤波器选型流程，把四种干扰场景的应对方式画在一张图上。这是一次完整的"分析—设计—验证"演练。

子章节之间的逻辑关系

本章的顺序不是随意的：频谱分析是滤波的前提，一维经验是二维图像的基础。你不知道噪声在哪个频率，就没法设计滤波器；你理解了"按频率做手脚"的一维逻辑，再去看二维图像的去噪与形态学，会顺很多。

采样数据
   │
   ▼
4.1 频谱分析：先看清信号里有什么
   │
   ▼
4.2 滤波去噪：按频率砍掉干扰与噪声
   │
   ▼
4.3 图像处理：把一维经验搬到二维数组
   │
   ▼
4.4 实战：频谱验证 加 滤波 加 图像去噪 全链路
​

4.1 与 4.2 构成"分析—设计"闭环：先定位，再动手。4.3 是同一套思想在二维的延续，滤波、去噪的概念一脉相承。4.4 则是把三节知识放进一个真实场景里做验收，你会发现流程比函数更重要。反过来看，跳过 4.1 直接读 4.2，滤波器参数会像咒语；跳过 4.2 直接进 4.4，验证环节无从下手。把 4.1 的频谱眼练好，后面整章都会轻松。

前置知识与后续延伸

• 前置：熟悉 NumPy 数组的切片与广播（见第 1 章），会读基本的时间序列数据；理解正弦波的频率与振幅概念即可，不需要系统学过傅里叶变换——4.1 会用直觉方式补齐，公式能跳过就跳过。环境上需要能跑 NumPy 与 SciPy 的 Python 环境，第 1 章已搭建好；示例涉及 matplotlib 画图，但不装也不影响理解。
• 为后续铺垫：本章的频谱思想在第 5 章的统计检验中会再次出现，功率谱密度估计就是 FFT 与统计的结合；第 6 章的气象数据分析管线里，去除仪器噪声、平滑曲线都要用到本章的滤波工具。图像处理部分则为你进入 skimage、OpenCV 等专门库打了底子——工具可以换，数组思维不变。想深入的话，窗函数家族（汉宁、汉明、布莱克曼）与滤波器设计规格（通带纹波、阻带衰减）可以查信号处理教材，本教程只给工程够用的版本。