图像处理——带通带阻滤波器实现

实现目标：

实现频率域图像增强方法中的带通带阻滤波器。

---

代码如下：

"""
Created on 2023/3/20 16:32
@author: liuwenq
实验一_频率域图像增强方法_带通带阻滤波器
"""
import math
import numpy as np
import cv2
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings("ignore")
plt.rcParams['font.sans-serif'] = ['SimHei']  # 图像展示的字体设置
plt.rcParams['axes.unicode_minus'] = False

# 读入图片并转化为灰度图
origin = cv2.imread('E:/11.PNG')
image = cv2.cvtColor(origin, cv2.COLOR_BGR2GRAY)  # 转化为灰度图

def bandpass_filter(image, radius, w, n=1):
    """
    带通滤波函数
    :param image: 原始图像
    :param radius: 频带中心半径
    :param w: 带宽
    :param n: 阶数
    :return: 滤波结果
    """
    # 傅里叶变换，得到频谱图，fft是一个三维数组，fft[:, :, 0]为实数部分，fft[:, :, 1]为虚数部分
    fft = cv2.dft(np.float32(image), flags=cv2.DFT_COMPLEX_OUTPUT)
    dshift = np.fft.fftshift(fft)  # 将低频部分转移到中心
    rows, cols = image.shape[:2]
    mid_row, mid_col = int(rows / 2), int(cols / 2)  # 得到中心像素
    mask = np.zeros((rows, cols, 2), np.float32)  # 构建滤波器，256位，两个通道
    for i in range(0, rows):
        for j in range(0, cols):
            d = math.sqrt(pow(i - mid_row, 2) + pow(j - mid_col, 2))  # 计算(i, j)到中心点的距离
            if radius - w / 2 < d < radius + w / 2:  #带内范围判定
                mask[i, j, 0] = mask[i, j, 1] = 1  # 在范围内则赋1
            else:
                mask[i, j, 0] = mask[i, j, 1] = 0  # 不在范围内则赋0

    fft_filtering = dshift * np.float32(mask)   # 将滤波器和频谱图结合，1的保留，0的过滤
    ishift = np.fft.ifftshift(fft_filtering)  # 将低频部分转移回左上角
    image_filtering = cv2.idft(ishift)  # 进行傅里叶逆变换
    image_filtering = cv2.magnitude(image_filtering[:, :, 0], image_filtering[:, :, 1])  # 转化到空间域内
    cv2.normalize(image_filtering, image_filtering, 0, 1, cv2.NORM_MINMAX)  # 对逆变换结果进行归一化
    return image_filtering

def bandstop_filter(image, radius, w, n=1):
    """
    带阻滤波函数
    :param image: 原始图像
    :param radius: 频带中心半径
    :param w: 带宽
    :param n: 阶数
    :return: 滤波结果
    """
    fft = cv2.dft(np.float32(image), flags=cv2.DFT_COMPLEX_OUTPUT)
    dshift = np.fft.fftshift(fft)  # 将低频部分转移到中心
    rows, cols = image.shape[:2]
    mid_row, mid_col = int(rows / 2), int(cols / 2)  # 得到中心像素
    mask = np.zeros((rows, cols, 2), np.float32)
    for i in range(0, rows):
        for j in range(0, cols):
            d = math.sqrt(pow(i - mid_row, 2) + pow(j - mid_col, 2))  # 计算(i, j)到中心点的距离
            if radius - w / 2 < d < radius + w / 2:
                mask[i, j, 0] = mask[i, j, 1] = 0
            else:
                mask[i, j, 0] = mask[i, j, 1] = 1

    fft_filtering = dshift * np.float32(mask)
    ishift = np.fft.ifftshift(fft_filtering)
    image_filtering = cv2.idft(ishift)  # 傅里叶逆变换
    image_filtering = cv2.magnitude(image_filtering[:, :, 0], image_filtering[:, :, 1])
    cv2.normalize(image_filtering, image_filtering, 0, 1, cv2.NORM_MINMAX)  # 对逆变换结果进行归一化
    return image_filtering

image_bandpass_filter = bandpass_filter(image, 30, 56, 1)
image_bandstop_filter = bandstop_filter(image, 30, 30, 1)

# 显示图像
plt.figure(figsize=(10, 8), dpi=200)
plt.suptitle("带通/带阻滤波器", fontsize=40, x=0.5, y=0.2)
plt.subplot(131)
plt.imshow(image, cmap=plt.cm.gray)
plt.title("原始图像", fontsize=18)
plt.subplot(132)
plt.imshow(image_bandpass_filter, cmap=plt.cm.gray)
plt.title("带通图像", fontsize=18)
plt.subplot(133)
plt.imshow(image_bandstop_filter, cmap=plt.cm.gray)
plt.title("带阻图像", fontsize=18)
plt.show()

---

实现效果：