最近由于作业原因,试着用OpenCV实现频率域滤波,但是OpenCV中并没有像MATLAB中fftshift这样的中心化操作,所以我写了一个频率域滤波的函数,以后用频率域滤波的时候在主函数中调用即可。当然,水平有限,编写的代码并不优美,有问题请大家留言批评指正。
在这里我不介绍傅里叶变换,频率域滤波和高斯低通滤波器的原理,想必大家已经有了大概了解,本文关注于OpenCV中的代码实现。
废话少说,先上一张例图:
这幅图像的噪声为周期性噪声,带用阻滤波器或者陷波滤波器去噪较好,这里用高斯低通去噪,效果一般,周期性没有完全去除。
下面是频率域滤波的流程
1、计算原图像的DFT,得到F(U,V);
2、将频谱F(U,V)的零频点移到中心位置;
3、计算滤波器函数H(U,V)与上步结果F(U,V)的乘积G(U,V);
4、将上一步结果G(U,V)的零频点移回;(在OpenCV中没有这步也没关系,原因待解)
5、计算上步的IDFT,得到g(X,Y);
6、取g(X,Y)的模作为结果。
下面根据上述步骤编写代码如下:
//**************************************
//频率域滤波——以高斯低通为例
//**************************************
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
Mat gaussianlbrf(Mat scr,float sigma);//高斯低通滤波器函数
Mat freqfilt(Mat scr,Mat blur);//频率域滤波函数
int main()
{
Mat input=imread("imageHill.jpg",CV_LOAD_IMAGE_GRAYSCALE);
imshow("原图",input);
int w=getOptimalDFTSize(input.cols); //获取进行dtf的最优尺寸
int h=getOptimalDFTSize(input.rows); //获取进行dtf的最优尺寸
Mat padded;
copyMakeBorder(input,padded,0,h-input.rows,0,w-input.cols, BORDER_CONSTANT , Scalar::all(0)); //边界填充
padded.convertTo(padded,CV_32FC1); //将图像转换为flaot型
Mat gaussianKernel=gaussianlbrf(padded,45);//高斯低通滤波器
Mat out=freqfilt(padded,gaussianKernel);//频率域滤波
imshow("结果图 sigma=40",out);
waitKey(0);
return 0;
}
//*****************高斯低通滤波器***********************
Mat gaussianlbrf(Mat scr,float sigma)
{
Mat gaussianBlur(scr.size(),CV_32FC1); //,CV_32FC1
float d0=2*sigma*sigma;//高斯函数参数,越小,频率高斯滤波器越窄,滤除高频成分越多,图像就越平滑
for(int i=0;i<scr.rows ; i++ )
{
for(int j=0; j<scr.cols ; j++ )
{
float d=pow(float(i-scr.rows/2),2)+pow(float(j-scr.cols/2),2);//分子,计算pow必须为float型
gaussianBlur.at<float>(i,j)=expf(-d/d0);//expf为以e为底求幂(必须为float型)
}
}
imshow("高斯低通滤波器",gaussianBlur);
return gaussianBlur;
}
//*****************频率域滤波*******************
Mat freqfilt(Mat scr,Mat blur)
{
//***********************DFT*******************
Mat plane[]={scr, Mat::zeros(scr.size() , CV_32FC1)}; //创建通道,存储dft后的实部与虚部(CV_32F,必须为单通道数)
Mat complexIm;
merge(plane,2,complexIm);//合并通道 (把两个矩阵合并为一个2通道的Mat类容器)
dft(complexIm,complexIm);//进行傅立叶变换,结果保存在自身
//***************中心化********************
split(complexIm,plane);//分离通道(数组分离)
int cx=plane[0].cols/2;int cy=plane[0].rows/2;//以下的操作是移动图像 (零频移到中心)
Mat part1_r(plane[0],Rect(0,0,cx,cy)); //元素坐标表示为(cx,cy)
Mat part2_r(plane[0],Rect(cx,0,cx,cy));
Mat part3_r(plane[0],Rect(0,cy,cx,cy));
Mat part4_r(plane[0],Rect(cx,cy,cx,cy));
Mat temp;
part1_r.copyTo(temp); //左上与右下交换位置(实部)
part4_r.copyTo(part1_r);
temp.copyTo(part4_r);
part2_r.copyTo(temp); //右上与左下交换位置(实部)
part3_r.copyTo(part2_r);
temp.copyTo(part3_r);
Mat part1_i(plane[1],Rect(0,0,cx,cy)); //元素坐标(cx,cy)
Mat part2_i(plane[1],Rect(cx,0,cx,cy));
Mat part3_i(plane[1],Rect(0,cy,cx,cy));
Mat part4_i(plane[1],Rect(cx,cy,cx,cy));
part1_i.copyTo(temp); //左上与右下交换位置(虚部)
part4_i.copyTo(part1_i);
temp.copyTo(part4_i);
part2_i.copyTo(temp); //右上与左下交换位置(虚部)
part3_i.copyTo(part2_i);
temp.copyTo(part3_i);
//*****************滤波器函数与DFT结果的乘积****************
Mat blur_r,blur_i,BLUR;
multiply(plane[0], blur, blur_r); //滤波(实部与滤波器模板对应元素相乘)
multiply(plane[1], blur,blur_i);//滤波(虚部与滤波器模板对应元素相乘)
Mat plane1[]={blur_r, blur_i};
merge(plane1,2,BLUR);//实部与虚部合并
//*********************得到原图频谱图***********************************
magnitude(plane[0],plane[1],plane[0]);//获取幅度图像,0通道为实部通道,1为虚部,因为二维傅立叶变换结果是复数
plane[0]+=Scalar::all(1); //傅立叶变o换后的图片不好分析,进行对数处理,结果比较好看
log(plane[0],plane[0]); // float型的灰度空间为[0,1])
normalize(plane[0],plane[0],1,0,CV_MINMAX); //归一化便于显示
imshow("原图像频谱图",plane[0]);
//******************IDFT*******************************
/*
Mat part111(BLUR,Rect(0,0,cx,cy)); //元素坐标(cx,cy)
Mat part222(BLUR,Rect(cx,0,cx,cy));
Mat part333(BLUR,Rect(0,cy,cx,cy));
Mat part444(BLUR,Rect(cx,cy,cx,cy));
part111.copyTo(temp); //左上与右下交换位置(虚部)
part444.copyTo(part111);
temp.copyTo(part444);
part222.copyTo(temp); //右上与左下交换位置
part333.copyTo(part222);
temp.copyTo(part333);
*/
idft( BLUR, BLUR); //idft结果也为复数
split(BLUR,plane);//分离通道,主要获取通道
magnitude(plane[0],plane[1],plane[0]); //求幅值(模)
normalize(plane[0],plane[0],1,0,CV_MINMAX); //归一化便于显示
return plane[0];//返回参数
}
效果图:
注:1,结果的黑边为填充效果。
2,务必注意矩阵数据类型,做DFT,必须为浮点型,计算滤波器函数H(U,V)与DFT的乘积G(U,V)时,数据类型务必一致,包括通道数,单通道类型不能与多通道类型相乘,关于数据类型,可以参看这里。