s1091536 作業4

1.題目說明：

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)。

2.開發環境：

OS: Windows 11

Editor: PyCharm
Language: python 3.8
Package: OpenCV 4.7.0

3.操作：

“python .\hw4_1091536_noise-remove.py”啟動程式。

一次出現原始影像與還原影像

4.方法及實作：

(a)概念：

Step1. 計算輸入圖的離散傅立葉轉換結果

Step2. 將頻譜大小與相位角度個以灰階256色圖像方式呈現出

Step3. 對圖像進行gaussian low pass filter處理

使用子下兩條式子分別找到D(u,v)和H(u,v)，再使已進行傅立葉轉換的相位角圖與H(u,v)相乘進行low pass的濾波。

Step4. 對濾波完成的圖像反傅立葉轉換

(b)程式：

Step0. 以灰階讀入影像

# Get image as gray

img = cv2.imread('image4.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

Step1. 計算輸入圖的離散傅立葉轉換結果

# Opnecv2傅立葉變換函數

# 需要將影象進行一次float轉換
dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT)
# 將頻譜低頻從左上角移動至中心位置
dft_shift = np.fft.fftshift(dft)
# 正向結束

Step2. 將頻譜大小與相位角度個以灰階256色圖像方式呈現出

# 顯示傅立葉頻譜圖&相位圖

# 頻譜影象雙連結複數轉換為 0-255 區間
magnitude_spectrum = 20*np.log(cv2.magnitude(...)
phase = cv2.normalize(cv2.phase(...).astype(np.uint8)

Step3. 對圖像進行gaussian low pass filter處理

# create filter
filter = gaussian(rows, cols, ...)
# filt the spectrum of img
blur = blur(dft_shift, rows, cols, filter)

Step4. 對濾波完成的圖像反傅立葉轉換

# 反向傅立葉變換開始

inv_shift = np.fft.ifftshift(blur)
invdft = cv2.idft(inv_shift)
invdft = cv2.magnitude(...)

Create Gaussian low pass flitter

def gaussian(rows, cols, D0):
   H = np.zeros((rows, cols), dtype = 'float32')
   D = np.zeros((rows, cols), dtype = 'float32')
   ...
   return H

Flit the spectrum of img

def blur(img, rows, cols, filt):
   r = np.zeros((rows, cols, 2), dtype = 'float32')
   ...
   return r

CS362影像處理概論