二维图像中EMD 法与 Mura 检测的总结

本人菜鸟一只，实习中要求做mura检测，本小鸟也不会，师傅甩来一片IEEE论文，让本人看懂后实现下。这篇IEEE的Mura检测是我们中国人写的（台湾，小日本是这方面的大佬），还好都是中式英语！论文中的，我也不是很懂，只知道他用了种方法叫EMD，然后就干了。真正等到做时，发现也并非那么容易，其中理解歧义，执行步骤错误，以及EMD中的局部极值，边缘效应，插值，SD停止准则关键性问题论文也是一笔带过，这让我绞尽脑汁。最让我无奈的是，本鸟用Matlab做的测试，一张图片小的5Mz左右，大的27M左右，电脑8G/酷睿i5-7跑起来让我陷入慢慢等待之中。。。。。其中，我在搜索资料过程中发现了北京邮电大学博士-梁的WEMD方法，然后将传统EMD与WEMD一起做了个测试。最后，在本鸟自己的yy之下，于星期五交上了这份EMD法的mura检测报告。

一 EMD法原理

EMD法网上资料很多，可以自己去搜搜，学习。我也不在这里讲述，因为我也不是很懂（或许数学太差），不敢在此撒野。在本鸟看来，EMD就像一个滤波器，不断设置滤波频率，一层层滤波，最后剩下的就是残量（个人见解，如有错误，欢迎指教，哈哈哈）。下面，我将介绍一下博士-梁的WEMD法。

二 WEMD原理

傅里叶是基于全局整体的，Gabor是在傅里叶之上，加入滑动窗口，它是区域的，所以Gabor也可是加窗的傅里叶变换。先说说，海森堡测不准定理，时宽×带宽=时间分辨率×频率分辨率。可以在时域内设置小的空间分辨率，从而在频域内获得大的频率分辨率。所以可以在时域中设置小窗口，在频域内获得高的频率分辨率，在时域中设置大窗口，在频域内获得小的频率分辨率，根据EMD算法理论，每次用上下极大极小信号减去均值包络线，也相当于一个频率的筛选过程，前面分解出的是高频，后面的是低频，所以在信号处理上，也可以用来高通，低通，带通滤波。

下面直接截图看下WEMD分解步骤：