Similar a las señales unidimensionales, las bajas frecuencias en las imágenes significan valores de píxeles que están cambiando lentamente en el espacio, mientras que el contenido de alta frecuencia significa valores de píxeles que están cambiando rápidamente en el espacio.
Por ejemplo, la siguiente imagen tiene componentes fuertes de baja frecuencia: puede ver intuitivamente cómo simplemente tengo una onda sinusoidal propagándose a alguna baja frecuencia.
Por el contrario, esta imagen a continuación se compone de una onda sinusoidal al doble de la frecuencia anterior. Observe cómo esto se manifiesta en la imagen:
Cualquier imagen puede tener cualquier número de componentes de baja y alta frecuencia juntos también. Por ejemplo, una imagen como esta tiene componentes de baja y alta frecuencia:
Puede ver cómo tiene una 'tendencia' de baja frecuencia, pero también muchos detalles de alta frecuencia en la imagen. (En términos generales, en imágenes, los transitorios nítidos como los bordes corresponden a frecuencias altas, mientras que los espacios largos que no cambian corresponden a frecuencias bajas).
Entonces, el objetivo de una aplicación de un filtro bilateral (que es simplemente una convolución de su imagen con un núcleo gaussiano) es eliminar los componentes de alta frecuencia y retener los componentes de menor frecuencia. Entonces, en este caso, ¿qué sucede si convolvemos la imagen de arriba, con un filtro gaussiano (bilateral) que se ve así?
Si usamos esto como nuestro núcleo, obtendremos el siguiente resultado:
En otras palabras, hemos eliminado los componentes de alta frecuencia de la imagen original, pero conservamos los componentes de baja frecuencia, ya que la variación del núcleo gaussiano se eligió adecuadamente.
