s1081540 作業 4
主題：影像還原練習
作業說明
附件中的 image4 似乎受到某種頻域雜訊干擾，撰寫一個程式嘗試復原此圖像(將圖中雜訊去除)。
開發環境
- Windows 10
- OpenCV 4.2.0
- Visual Studio 2019
- C++
- MATLAB
- Windows 10
- OpenCV 4.2.0
- Visual Studio 2019
- C++
- MATLAB
程式實作
- 使用 imread(path, IMREAD_GRAYSCALE) 以灰階模式讀入圖像，再使用 empty() 判斷圖片是否存在，若圖像讀取失敗會輸出錯誤訊息並結束程式。
- Rect() ：使原圖像保證有偶數的行與列。
- 分析輸入圖像的頻譜後，可以看到頻譜中心外有6個峰值：
▲ 原圖像的頻譜大小
- 使用MATLAB找出較正確的頻譜峰值座標。
- imread() ：讀入頻譜大小圖像。
- meshc() ：繪製三維的圖像，顯示灰度值的大小。
- view() ：將三維圖像改變觀測角度以便查找峰值的座標。
- 設計notch filter
- circle() ：以3個峰值點座標為中心，畫出圓形(加上對稱點一共6個圓點)，並將圓點的值設為0。
- 對圖像象限進行重新排列，使原點位於圖像中心。
- 將圖像分成4個象限。
- copyTo() ：交換象限(左上與右下進行交換、右上與左下進行交換)。
▲ 設計完成的notch filter - 創建原圖像的圖像通道，用來儲存複數的實部與虛部，並使用 merge() 來合併圖像通道。
- dft() ：對原圖像進行離散傅立葉轉換(DFT)
- 創建notch filter的圖像通道，用來儲存複數的實部與虛部，並使用 merge() 來合併圖像通道。
- mulSpectrums() ：將兩個(原圖像及notch filter)傅立葉頻譜中的每個element進行相乘。
▲ 經過notch filter的頻譜 - idft() ：將經過notch filter的頻譜進行IDFT(重建圖像)。
- split() ：分離圖像通道。
- normalize() ：歸一化，將圖像轉換到可顯示範圍(0~1)。
- imshow() ：顯示原圖像及經過notch filter處理(去除雜訊)後的圖像。
- waitKey(0) ：透過使用者輸入0來中止程式。
執行結果
 |
| ▲ 受到雜訊干擾的原圖像(灰階) |
 |
| ▲ 復原後的圖像(雜訊去除) |
▲ 程式執行過程
參考資料
- Periodic Noise Removing Filter - OpenCV：https://docs.opencv.org/4.x/d2/d0b/tutorial_periodic_noise_removing_filter.html
- Contour plot under mesh surface plot - MATLAB meshc：https://www.mathworks.com/help/matlab/ref/meshc.html
留言
張貼留言