| matlab频域滤波处理，手动滤波，图像去网格背景：频域中手动选择目标区域进行滤波，滤掉噪声，灵活地达到理想的效果。 | 您所在的位置：网站首页 › 中国护照编号组成图片大全 › matlab频域滤波处理，手动滤波，图像去网格背景：频域中手动选择目标区域进行滤波，滤掉噪声，灵活地达到理想的效果。 |
matlab频域滤波处理，手动滤波，图像去网格背景：频域中手动选择目标区域进行滤波，滤掉噪声，灵活地达到理想的效果。
|
目录
一.原理简介 二.现有方法 三.代码实现 四.测试结果图 一.原理简介主要思路为：通过傅里叶变换，将图像显示在频率域中，通过观察频谱图，如果了解频谱图与原图之间的关联，可以较为容易地发现噪声在频谱图中的表现，如下图：
第一张为原图，图中有较为规律的网纹（莫尔模式），图像在频率域中的频谱图如上方右图所示，可以发现其中包含八个较为明显的亮点，这些亮点在原图中就是网格。 二.现有方法如果去掉这些亮斑，如下方左图所示，表现在原图中，就去掉了网格，如右下角图所示。 如果从较专业图像处理的角度，可以如下方法：（前两种网上和《数字图像处理》书中较多实现。本文第三种） 1.对频谱图设置一个阈值二值化进行阈值分割，然后通过膨胀腐蚀等操作找到这些亮斑（代码点此） 2.巴特沃斯陷波带阻滤波器传递函数乘以傅里叶变换的结果（左下图）（参见数字图像处理207页） 3.手动圈选特定位置，将选定位置的值设置为频谱图中的最小值，（代码如下） 三.代码实现非常重要：使用时，通过鼠标选择mask区域，选好一个mask后，按下esc键会进行选下一个。当所有的mask选完时，在第一个图上按esc，再在画mask的图上按esc，程序就往下执行，生成结果图。（欢迎有兴趣的小伙伴改进操作方法） matlab实现，主要功能为对于图像出现的有规律的网格，网纹，线条状噪声进行移除。 I = imread('test.png'); I = rgb2gray(I); totMask = zeros(size(I)); % accumulate all single object masks to this one f = figure('CurrentCharacter','a'); imshow(I) FFT = fft2(I); myangle = angle(FFT); %相位谱(没有进行移位的) FS = abs(fftshift(FFT)); % 移位，使低频成分集中到图像中心，并得到幅度谱 S = log(1+abs(FS)); figure,imshow(S,[]); small=min(min(FS)) h = imfreehand(gca); setColor(h,'green'); position = wait(h); BW = createMask(h); totMask = totMask | BW; % add mask to global mask while double(get(f,'CurrentCharacter'))~=27 % ask user for another mask h = imfreehand(gca); if isempty(h) % User pressed ESC, or something else went wrong continue end setColor(h,'green'); position = wait(h); BW = createMask(h); totMask = totMask | BW; % add mask to global mask pause(.1) end % show the resulting mask figure; imshow(totMask); title('multi-object mask'); cost3 = FS; cost3(totMask == 1) = small ; FS = cost3; resul_s = ifftshift(FS); % 将处理后的幅度图反移位，恢复到正常状态 result_f = resul_s.*cos(myangle) + resul_s.*sin(myangle).*1i; % 幅度值和相位值重新进行结合，得到复数 result_image = abs(ifft2(result_f )); % 进行傅里叶反变换，得到处理后的时域图像 result = im2uint8(mat2gray(result_image)); figure,imshow(result); %去除网纹成分后的图像 四.测试图原图：
圈住目标信号：
生成的mask：
结果图：
本文链接：matlab频域滤波处理，手动滤波，图像去网格背景：频域中手动选择目标区域进行滤波，滤掉噪声，灵活地达到理想的效果。_Alocus_的博客-CSDN博客 |
【本文地址】
公司简介
联系我们
| 今日新闻 |
| 推荐新闻 |
| 专题文章 |