傅里葉變換去除圖像條紋雜訊實(shí)現(xiàn)步驟

導(dǎo)讀

去除垂直、水平等條紋雜訊的圖像處理步驟，附詳細(xì)代碼。

空間域的處理方法比較多，比如傅里葉變換和小波變換等。頻域方法處理的一般步驟是：

① 將圖像從空間域轉(zhuǎn)換到頻域；

②在頻域處理(挑選或剔除特定的頻段)；

③頻域處理后再轉(zhuǎn)換到空間域

傅里葉變換頻域處理步驟：

① 圖像做傅里葉變換--轉(zhuǎn)換到頻域；

②在頻域處理(對(duì)頻譜圖像處理，剔除不需要的頻段)；

③ 反傅里葉變換--轉(zhuǎn)換到空間域；

④ 如果不能一次得到最終效果，可能還需要添加一些blob分析方法

傅里葉變換頻域圖特點(diǎn)：

傅里葉變換理論與公式這里不做介紹，大家有興趣自行搜索。先看下如下圖片：

對(duì)應(yīng)的使用fft_image()轉(zhuǎn)換后的傅里葉頻譜圖像

read_image (Image, 'C:/Users/3252314061/Desktop/1.png')
fft_image (Image, ImageFFT)

原圖水平方向上變化更多，所以頻譜圖水平方向更亮。豎直方向變化不比水平方向多，所以較水平方向暗。下圖正好相反：

傅里葉變換后的頻譜圖：

原圖豎直方向上變化更多，所以頻譜圖豎直方向更亮。水平方向變化不比豎直方向多，所以較豎直方向暗。

fft_image()變換后頻譜圖像中心為低頻部分，越往邊緣是高頻部分。

再看看下面的圖像，頻譜圖變化也是沿著圓形的各個(gè)方向，反應(yīng)像素灰度值的變化情況：

傅里葉變換去除圖像條紋雜訊步驟：

圖1--豎直條紋雜訊：

由觀察可知，這幅圖像有很多豎直條紋雜訊，沿水平方向變化較大，那么頻譜圖水平方向應(yīng)該較亮，用fft_image()變換后效果：

那么如果我們想去除豎直條紋，就可以將頻譜圖中水平的亮線條區(qū)域抹掉(用灰度值0填充)，如下：

然后fft_image_inv()反傅里葉變換看下效果：

fft_image_inv (ImageResult, ImageFFTInv)

圖2-水平條紋雜訊：

由觀察可知，這幅圖像有很多水平條紋雜訊，沿豎直方向變化較大，那么頻譜圖豎直方向應(yīng)該較亮，用fft_image()變換后效果：

那么如果我們想去除水平條紋，就可以將頻譜圖中豎直的亮線條區(qū)域抹掉(用灰度值0填充)，如下：

然后fft_image_inv()反傅里葉變換看下效果：

圖3-水平垂直條紋雜訊：

傅里葉頻譜圖：

水平和豎直方向均抹除：

反傅里葉變換效果：

完整代碼(Halcon實(shí)現(xiàn))：

read_image (Image, './imgs/5.PNG')
rgb1_to_gray (Image, GrayImage)
fft_image (GrayImage, ImageFFT)

gen_rectangle1 (ROI_0, 2.97368, 217.535, 179.635, 227.458)
gen_rectangle1 (TMP_Region, 209.41, 217.535, 387.064, 226.465)
union2 (ROI_0, TMP_Region, ROI_0)
gen_rectangle1 (TMP_Region, 193.53, 234.404, 203.455, 374.316)
union2 (ROI_0, TMP_Region, ROI_0)
gen_rectangle1 (TMP_Region, 193.53, 74.6458, 204.447, 207.612)
union2 (ROI_0, TMP_Region, ROI_0)

paint_region (ROI_0, ImageFFT, ImageResult, 0, 'fill')
fft_image_inv (ImageResult, ImageFFTInv)

如果是彩色圖，就先將彩圖通道分離，在每個(gè)通道做傅里葉變換處理，然后反變換后合并通道即可。

審核編輯：劉清