圖中所示，影像經由傅立葉轉換（Fourier Transform）至頻譜空間（frequency domain），並於頻譜空間上進行濾波（filtering），此濾波後之頻譜資訊經由反傅立葉轉換（Inverse Fourier Transform）後，其結果為下列何者？

本題觀念：

本題測驗醫學影像處理中的空間頻率濾波（Spatial frequency filtering）概念。主要評估考生是否理解傅立葉轉換（Fourier Transform）後頻率域（Frequency domain）的特性，以及高通濾波器（High-pass filter）對空間域（Spatial domain）影像的具體影響。

影像分析：

1. 原始影像（左上）：為一張頭部軸切面（Axial）CT 影像，可見上頜骨、下頜骨、牙齒與呼吸道等解剖構造，具備完整的灰階與對比度。
2. 頻譜影像（右上）：為原始影像經傅立葉轉換後的結果（頻譜空間）。在頻譜圖中，中心亮點代表低頻訊號（Low frequencies），主導影像的整體對比度與平滑區域；越往外圍代表高頻訊號（High frequencies），主導影像的邊緣（Edges）、細節與雜訊。
3. 濾波後頻譜影像（右下）：在頻譜空間進行濾波（Filtering）。可明顯觀察到頻譜正中心的亮點被打黑（低頻成分被濾除），而周圍的訊號被保留下來。此種操作為典型的高通濾波（High-pass filtering）。
4. 反傅立葉轉換結果（左下問號處）：高通濾波後的頻譜經反傅立葉轉換（Inverse Fourier Transform）回到空間域。因為去除了低頻訊號（失去整體的亮度與對比漸層），並保留了高頻訊號，預期得到的影像會突顯各個組織邊界的輪廓，形成邊緣強化的效果，且平滑組織區域會呈現均勻的灰色。

選項分析：

• 選項 A：影像失去原始的整體灰階分布，背景與平滑軟組織呈現均勻的灰色，但骨骼、空氣等組織的交界處呈現極為明顯的亮暗輪廓線。此即為保留高頻、濾除低頻的「高通濾波」結果，完全符合題目頻譜圖的改變。
• 選項 B：外觀幾乎與原始影像相同，保有完整的低頻對比度與高頻細節，未見明顯的低頻濾除現象。
• 選項 C：此為對比度反轉（Inverted / Negative）的影像，骨頭變黑、空氣變白。此為空間域的灰階對映（Windowing/Leveling 或 Look-up table）轉換，並非頻譜高通濾波的結果。
• 選項 D：影像呈現明顯的模糊化（Blurring），邊緣與細節消失。這是保留低頻、濾除高頻的「低通濾波（Low-pass filtering）」結果。若題目的濾波頻譜圖是「中心亮、外圍全黑」，反傅立葉轉換後才會得到此影像。

答案解析：

本題的解題關鍵在於觀察「Filtering in the Frequency Domain」這張圖。該圖中心的低頻區域呈現黑色（表示被濾除或數值降至零），而外圍的高頻區域被保留，這是一個標準的高通濾波器。低頻訊號負責提供影像的背景灰階與大範圍的對比；高頻訊號則提供影像邊緣與急遽變化的細節。

經過高通濾波後，影像會失去整體的對比漸層（低頻消失），只留下邊緣特徵（高頻保留），在視覺上會表現為一張灰色底圖上帶有明顯邊界線條的影像。選項 A 完美吻合高通濾波（邊緣強化）的特徵，因此為正確答案。

核心知識點：

1. 頻譜空間（k-space / Frequency domain）分布：中心 = 低頻（整體對比度、平坦區域）；外圍 = 高頻（邊緣、細節、空間解析度、雜訊）。
2. 高通濾波（High-pass filter）：濾除低頻、保留高頻。空間域表現為邊緣強化（Edge enhancement / Sharpening）。
3. 低通濾波（Low-pass filter）：濾除高頻、保留低頻。空間域表現為影像平滑化或模糊化（Smoothing / Blurring）。

臨床重要性：

在臨床醫學影像中，高通濾波（邊緣強化）的概念被廣泛應用於需要突顯微小病灶、細微構造或骨折線的影像後處理。例如：乳房攝影（Mammography）中的微小鈣化點偵測、高解析度胸部 CT（HRCT）的肺間質病變評估，以及骨骼 CT 的邊緣銳化（Bone algorithm / Sharp kernel）。然而，高通濾波也會同時放大影像中的高頻雜訊（Noise），因此臨床上常依據特定的診斷需求與部位來選擇適當的重建濾波器（Reconstruction filter）。