6 频域滤波
本文作者:图像与视觉InSight 行者 杨尚朋 转载请注明
目录
6.1 处理效果展示
原图 三通道彩色图像
原图 单通道灰度图像
原图 添加了规律噪声
双边滤波(几乎没有起到任何效果)
高斯滤波(有效果,但是效果微弱)
均值滤波(有效果,但是效果微弱)
中值滤波(有效果,但是效果微弱)
傅里叶变换后的频谱图像
在频域内,进行高频滤波
频域滤波结果,效果较显著
6.2 原理
6.3 代码展示
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
Mat freqfilt(Mat &scr, Mat &blur);
Mat Butterworth_Low_Paass_Filter(Mat &src, float d0, int n);
int main(int argc, char *argv[])
{
const char* filename = argc >= 2 ? argv[1] : "C:\\Users\\SYYSP\\Desktop\\BLOG\\滤波专题\\频域滤波\\girl_pointpointpoint.jpg";
Mat input = imread(filename, IMREAD_GRAYSCALE);
if (input.empty())
return -1;
imshow("input", input);//显示原图
cv::Mat butterworth = Butterworth_Low_Paass_Filter(input, 50, 3);
butterworth = butterworth(cv::Rect(0, 0, input.cols, input.rows));
imshow("巴特沃斯", butterworth);
butterworth = butterworth * 255;
imwrite("C:\\Users\\SYYSP\\Desktop\\BLOG\\滤波专题\\频域滤波\\girlFreFilter.jpg", butterworth);
waitKey();
return 0;
}
//*****************巴特沃斯低通滤波器***********************
Mat butterworth_lbrf_kernel(Mat &scr, float sigma, int n)
{
// 阶数n=1 无振铃和负值
// 阶数n=2 轻微振铃和负值
// 阶数n=5 明显振铃和负值
// 阶数n=20 与ILPF相似
Mat butterworth_low_pass(scr.size(), CV_32FC1); //,CV_32FC1
double D0 = sigma;//半径D0越小,模糊越大;半径D0越大,模糊越小
for (int i = 0; i < scr.rows; i++) {
for (int j = 0; j < scr.cols; j++) {
double d = sqrt(pow((i - scr.rows / 2), 2) + pow((j - scr.cols / 2), 2));//分子,计算pow必须为float型
butterworth_low_pass.at<float>(i, j) = 1.0 / (1 + pow(d / D0, 2 * n));
}
}
string name = "巴特沃斯低通滤波器d0=" + std::to_string(sigma) + "n=" + std::to_string(n);
imshow(name, butterworth_low_pass);
return butterworth_low_pass;
}
Mat Butterworth_Low_Paass_Filter(Mat &src, float d0, int n)
{
//H = 1 / (1+(D/D0)^2n) n表示巴特沃斯滤波器的次数
//调整图像加速傅里叶变换
int M = getOptimalDFTSize(src.rows);
int N = getOptimalDFTSize(src.cols);
Mat padded;
copyMakeBorder(src, padded, 0, M - src.rows, 0, N - src.cols, BORDER_CONSTANT, Scalar::all(0));
padded.convertTo(padded, CV_32FC1); //将图像转换为flaot型
Mat butterworth_kernel = butterworth_lbrf_kernel(padded, d0, n);//理想低通滤波器
Mat result = freqfilt(padded, butterworth_kernel);
return result;
}
//*****************频率域滤波*******************
Mat freqfilt(Mat &scr, Mat &blur)
{
//***********************DFT*******************
Mat plane[] = { scr, Mat::zeros(scr.size() , CV_32FC1) }; //创建通道,存储dft后的实部与虚部(CV_32F,必须为单通道数)
Mat complexIm;
merge(plane, 2, complexIm);//合并通道 (把两个矩阵合并为一个2通道的Mat类容器)
dft(complexIm, complexIm);//进行傅立叶变换,结果保存在自身
//***************中心化********************
split(complexIm, plane);//分离通道(数组分离)
// plane[0] = plane[0](Rect(0, 0, plane[0].cols & -2, plane[0].rows & -2));//这里为什么&上-2具体查看opencv文档
// //其实是为了把行和列变成偶数 -2的二进制是11111111.......10 最后一位是0
int cx = plane[0].cols / 2; int cy = plane[0].rows / 2;//以下的操作是移动图像 (零频移到中心)
Mat part1_r(plane[0], Rect(0, 0, cx, cy)); //元素坐标表示为(cx,cy)
Mat part2_r(plane[0], Rect(cx, 0, cx, cy));
Mat part3_r(plane[0], Rect(0, cy, cx, cy));
Mat part4_r(plane[0], Rect(cx, cy, cx, cy));
Mat temp;
part1_r.copyTo(temp); //左上与右下交换位置(实部)
part4_r.copyTo(part1_r);
temp.copyTo(part4_r);
part2_r.copyTo(temp); //右上与左下交换位置(实部)
part3_r.copyTo(part2_r);
temp.copyTo(part3_r);
Mat part1_i(plane[1], Rect(0, 0, cx, cy)); //元素坐标(cx,cy)
Mat part2_i(plane[1], Rect(cx, 0, cx, cy));
Mat part3_i(plane[1], Rect(0, cy, cx, cy));
Mat part4_i(plane[1], Rect(cx, cy, cx, cy));
part1_i.copyTo(temp); //左上与右下交换位置(虚部)
part4_i.copyTo(part1_i);
temp.copyTo(part4_i);
part2_i.copyTo(temp); //右上与左下交换位置(虚部)
part3_i.copyTo(part2_i);
temp.copyTo(part3_i);
//*****************滤波器函数与DFT结果的乘积****************
Mat blur_r, blur_i, BLUR;
multiply(plane[0], blur, blur_r); //滤波(实部与滤波器模板对应元素相乘)
multiply(plane[1], blur, blur_i);//滤波(虚部与滤波器模板对应元素相乘)
Mat plane1[] = { blur_r, blur_i };
merge(plane1, 2, BLUR);//实部与虚部合并
//*********************得到原图频谱图***********************************
magnitude(plane[0], plane[1], plane[0]);//获取幅度图像,0通道为实部通道,1为虚部,因为二维傅立叶变换结果是复数
plane[0] += Scalar::all(1); //傅立叶变换后的图片不好分析,进行对数处理,结果比较好看
log(plane[0], plane[0]); // float型的灰度空间为[0,1])
normalize(plane[0], plane[0], 1, 0, CV_MINMAX); //归一化便于显示
// imshow("原图像频谱图",plane[0]);
idft(BLUR, BLUR); //idft结果也为复数
split(BLUR, plane);//分离通道,主要获取通道
magnitude(plane[0], plane[1], plane[0]); //求幅值(模)
normalize(plane[0], plane[0], 1, 0, CV_MINMAX); //归一化便于显示
return plane[0];//返回参数
}