s1091521 Homework #3

 s1091521 1122 Homework #3

1122 Digital Image Processing Assignment #3

學號：1091521

姓名：林哲慶

主題：傅立葉轉換與影像復原處理

專案目標：

        請撰寫一個程式處理作業3所附之受干擾的圖片，盡可能地恢復圖片原始狀態。

開發平台：

        Windows 11, Python 3.9.10, OpenCV-Python 4.9.0, PyQt5 5.15.10, Visual Studio Code

Demo 影片：

功能說明、成果：

        第一部分使用PyQt5視窗程式套件，將使用Low pass filter功能使圖片平滑化去除雜訊，在視窗程式裡實作，以做出動態調整filter的效果，並及時看到圖片與filter的變化，外加儲存結果圖片的功能。另外有做出與Low pass filter相反的High pass filter，以去除低頻訊號，留下高頻處的輪廓。

    其中能調整的參數有：

• Filter圓圈半徑大小
• 高斯模糊所使用Kernel的大小，僅能為奇數。

    主要使用於圖像處裡的函數有：

• numpy.fft.fftshift
• numpy.fft.fft2
• numpy.fft.ifftshift
• numpy.fft.ifft2

        第二部分為使用Notch Filter針對image1.jpg所表現的修復效果，可以發現其恢復效果比單純只使用高斯濾波器來的好，圖像更加清晰。

    以下為作業提供之圖片成果展示，

    包含受破壞輸入圖及和其Magnitude and Phase Spectrum，以及修復後的結果。

    

        視窗介面如下，左上為原圖，中上為Magnitude Spectrum，右上為Phase Spectrum，左下為修復後的圖片，中下為與Mask疊加後的Magnitude Spectrum，右下為Mask。

        將Mask Radius拉小，並把Gaussian Blur Size設為1，也就是幾乎使Mask圓圈邊緣更銳利，發現低頻雖然有通過，但圖片仍較模糊，且出現紋路。

        Mask Radius加大但不去包含到高頻雜訊，並且使用高斯模糊使Mask邊緣更緩和，可得較為清晰的復原圖片。

    

    復原圖如下

    開啟第二張圖片，並用以下設定進行修復。

    

    復原圖如下

    High pass filter，與低頻濾波相反的高頻濾波，只留下高頻訊號，能找到輪廓。

    輪廓圖如下

    甚至能把作業的雜訊圖的雜訊取出來。

    第二部分使用Notch Filter的修復效果：

    此為修復程式執行完成的結果

    

    此為image1.jpg的頻域圖，可以再圖中看到許多由點和線所組成的高頻雜訊

    

    為image1.jpg製作專屬的Notch Filter，如下圖

    

    合併之後，可以發現高頻雜訊被Notch Filter給去除

    

    復原後的圖片如下，第一張圖片為原圖，第二張為使用Notch Filter修復的結果，第三張則是高斯濾波器修復的結果，可以發現前者修復後明顯較後者清晰，修復效果非常好。