blocking

吉布斯效应（Gibbs）、振铃（ring）现象和块效应

（BlockingArtifact）

在⼀维信号中，前两个现象⽐较好理解。通过百度百科，了解的⽐较透彻。

先来简要回顾⼀下吉布斯效应。

对于Gibbs现象，百度百科解释为：吉布斯现象（⼜叫吉布斯效应）：将具有不连续点的周期函数（如矩形脉冲)进⾏傅⽴叶级数展开后，选

取有限项进⾏合成。当选取的项数越多，在所合成的波形中出现的峰起越靠近原信号的不连续点。当选取的项数很⼤时，该峰起值趋于⼀个

常数，⼤约等于总跳变值的9%。

下⾯是百度百科配的图。

个⼈感觉不够直观，所以引⽤了另⼀篇博⽂的图：

这个⽐较明显，也就是说，⽤纯粹的傅⾥叶变换（有限多个正弦和余弦）去逼近带有棱⾓的曲线，会在频率剧烈变化处产⽣吉布斯效应，也

就是产⽣了⼀个凸起。

对于⼆维的情况，振铃效应在百度百科上引⽤的图如下：

⽐较明显的是红⾊圈圈的地⽅，这种现象是发⽣在⼀张图像内灰度变化剧烈的地⽅，由于在频域滤波使⽤理想的低通滤波器，图像的低频分

量被完全保存，⾼频分量被完全移去，经过反变换后，会有很多类似于sinc函数那样的周期震荡在空间域内，因此会低通滤波器在模糊图像

的同时，会将灰度剧烈变化的那些震荡铺满整个恢复的图像。

通过⾃⼰做的⼀个图像，演⽰⼀下振铃现象和块效应：

先将图像分为4*4的⼩块，在各个⼦图像的边沿，认为是像素跳变，类似于然后每块⼦图像过滤掉95%的⾼频分量，恢复后发现，红⾊区

域，脸部有明显的震荡细纹，这些震荡细纹来⾃右侧的横向灰度剧烈变化的头发。⽽黄⾊的圆圈，在⼦图像的边缘，由于两个⼦图像的频谱

不相同，因此滤波后恢复出的⼦图像边沿⽆法保持⼀致，因此出现块效应。

费了半天劲，也没有得到⽐较好的⼆维吉布斯效应的图，有朋友有好的⼆维吉布斯效应图，请不吝分享！