傅里叶变换去除图像条纹杂讯实现步骤

点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达

导读：

    图像处理一般分为空间域和频域处理，有些情况下，在空间域处理很难得到好的效果，这时候我们可以考虑将其转换到空间域处理。

---

    空间域的处理方法比较多，比如傅里叶变换和小波变换等。频域方法处理的一般步骤是：

    ① 将图像从空间域转换到频域；

    ② 在频域处理(挑选或剔除特定的频段)；

    ③ 频域处理后再转换到空间域

---

‍‍‍‍‍

傅里叶变换频域处理步骤： 

    ① 图像做傅里叶变换--转换到频域；

    ② 在频域处理(对频谱图像处理，剔除不需要的频段)；

    ③ 反傅里叶变换--转换到空间域；

    ④ 如果不能一次得到最终效果，可能还需要添加一些blob分析方法

---

---

傅里叶变换频域图特点： 

    傅里叶变换理论与公式这里不做介绍，大家有兴趣自行搜索。先看下如下图片：

对应的使用fft_image()转换后的傅里叶频谱图像

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

    原图水平方向上变化更多，所以频谱图水平方向更亮。竖直方向变化不比水平方向多，所以较水平方向暗。下图正好相反：

傅里叶变换后的频谱图：

    原图竖直方向上变化更多，所以频谱图竖直方向更亮。水平方向变化不比竖直方向多，所以较竖直方向暗。

    fft_image()变换后频谱图像中心为低频部分，越往边缘是高频部分。

    再看看下面的图像，频谱图变化也是沿着圆形的各个方向，反应像素灰度值的变化情况：

---

傅里叶变换去除图像条纹杂讯步骤：

图1--竖直条纹杂讯：

    由观察可知，这幅图像有很多竖直条纹杂讯，沿水平方向变化较大，那么频谱图水平方向应该较亮，用fft_image()变换后效果：

    那么如果我们想去除竖直条纹，就可以将频谱图中水平的亮线条区域抹掉(用灰度值0填充)，如下：

    然后fft_image_inv()反傅里叶变换看下效果：

fft_image_inv (ImageResult, ImageFFTInv)

---

图2-水平条纹杂讯：

    由观察可知，这幅图像有很多水平条纹杂讯，沿竖直方向变化较大，那么频谱图竖直方向应该较亮，用fft_image()变换后效果：

    那么如果我们想去除水平条纹，就可以将频谱图中竖直的亮线条区域抹掉(用灰度值0填充)，如下：

    然后fft_image_inv()反傅里叶变换看下效果：

图3-水平垂直条纹杂讯：

    傅里叶频谱图：

    水平和竖直方向均抹除：

    反傅里叶变换效果：

    完整代码(Halcon实现)：

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)

    如果是彩色图，就先将彩图通道分离，在每个通道做傅里叶变换处理，然后反变换后合并通道即可，下面是视频效果展示：

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~