【系列二之图像处理系列】波形处理（2）

1 波形处理

针对实验视频v1.mp4。图像分辨率568*320像素，帧率为30帧/秒，颜色空间为RGB，拍摄1分30秒，共2700帧左右。为了对应心率为30次/分-120次/分，我们选用通带频率为0.5-2hz这一频率区间。

经过滤波器处理、滑动平均滤波、插值处理之后，效果如下图所示。

使用傅立叶变换可以观察到初步处理之后噪声已消除。初步处理前后效果如下图所示。

初步处理前
初步处理后

取出各峰值点，并标为红色，在初步处理的波形上绘制峰值点及峰值走势，并每隔一秒用黄线划分图像，效果如下图所示。从中，我们大致可以看出一定的趋势。

因为上图的波形中有些峰值过于突出，所以需要去除一些异常峰值，采用的方法是：取峰值数组的均值，去除小于峰值均值4/5的点以及大于峰值均值6/5的点。代码如下。

window = interpolated_hues    
peaks, _ = find_peaks(window)   
if len(peaks) > 3: 
    distances = np.empty((len(peaks)-1,))
    for j in range(len(peaks)-1):
        distances[j] = peaks[j+1] - peaks[j]       

med = np.median(distances)
length = len(distances)

for j in range(length):
    if (distances[length-1-j] > (1.2 * med)) or (distances[length-1-j] < (0.8 * med)):
        distances = np.delete(distances, (length-1-j))

去除之后效果如下图所示。

广义的检波通常称为解调，是调制的逆过程，即从已调波提取调制信号的过程。狭义的检波是指从调幅波的包络提取调制信号的过程，这种检波方法也被称为包络检波。Python语言中，希尔伯特变换可以用作包络检波，代码如下。

from scipy import fftpack
hilbert=fftpack.hilbert(interpolated_hues)
envelop=np.sqrt(interpolated_hues**2 + hilbert**2)

发现包络检波可以消除一些干扰，并且实现类似于绘制出峰值的效果，如下图所示。