Question

平台：使用VC2015在win7上使用opencv 2.4.9

问题：

输入图片 DFT幅度图片

奇怪的声音：

我将dft传输图像用于频域并通过idft传回。我使用2种方法来获得结果。 convertTo（）和normalize（）。 convertTo（）的结果有奇怪的噪音。

normalize（）结果........... .......... ...................... convertTo（）结果

错误的高通滤波器结果：

我通过高斯高通滤波器传递dft图像（Re＆amp; Im）结果。 convertTo（）和normalize（）完全不同。 convertTo（）似乎没错，但有噪音和normalize（）很奇怪，但没有噪音...

用于显示的高通滤波器图像

normalize（）高通滤波器结果的结果..... convertTo（）高通滤波器结果的结果

代码：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>

#include <iostream>

using namespace cv;
using namespace std;

void DFT_Shift(Mat &a_tImage)
{
// rearrange the image so that the origin is at the image center
int cx = a_tImage.cols / 2;
int cy = a_tImage.rows / 2;

Mat q0(a_tImage, Rect(0, 0, cx, cy));   // Top-Left - Create a ROI per quadrant
Mat q1(a_tImage, Rect(cx, 0, cx, cy));  // Top-Right
Mat q2(a_tImage, Rect(0, cy, cx, cy));  // Bottom-Left
Mat q3(a_tImage, Rect(cx, cy, cx, cy)); // Bottom-Right

Mat tmp;                           // swap quadrants (Top-Left with Bottom-Right)
q0.copyTo(tmp);
q3.copyTo(q0);
tmp.copyTo(q3);

q1.copyTo(tmp);                    // swap quadrant (Top-Right with Bottom-Left)
q2.copyTo(q1);
tmp.copyTo(q2);
}

int main()
{
Mat I = imread("Src.bmp", CV_LOAD_IMAGE_GRAYSCALE);
if (I.empty())
    return -1;

Mat padded;                             // expand input image to optimal size
int m = getOptimalDFTSize(I.rows);
int n = getOptimalDFTSize(I.cols);      // on the border add zero values
copyMakeBorder(I, padded, 0, m - I.rows, 0, n - I.cols, BORDER_CONSTANT, Scalar::all(0));

Mat planes[] = { Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F) };
#if DO_GHPF > 0
Mat tPlanesFilter[] = { Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F) };
#endif

Mat complexI;
merge(planes, 2, complexI);         // Add to the expanded another plane with zeros
dft(complexI, complexI);            // this way the result may fit in the source matrix
                                    // compute the magnitude and switch to logarithmic scale
                                    // => log(1 + sqrt(Re(DFT(I))^2 + Im(DFT(I))^2))
split(complexI, planes);            // planes[0] = Re(DFT(I), planes[1] = Im(DFT(I))

// Pass both Re & Im Planes through Gaussian High Pass Filter
#if DO_GHPF > 0
GaussianHighPassFilter(complexI, tPlanesFilter);
#endif

Mat magI = planes[0];
printf("Re: %f\n", planes[0].at<float>(40, 40));
printf("Im: %f\n", planes[1].at<float>(40, 40));
magnitude(magI, planes[1], planes[0]);  // planes[0] = magnitude

// switch to logarithmic scale
magI += Scalar::all(1);                    
log(magI, magI);

// crop the spectrum, if it has an odd number of rows or columns
magI = magI(Rect(0, 0, magI.cols & -2, magI.rows & -2));

// dft data base should be shifted to image's center
DFT_Shift(magI);

// Transform the matrix with float values into a viewable image form (float between values 0 and 1).
normalize(magI, magI, 0, 1, CV_MINMAX); 

imshow("Input Image", I);    // Show the result
imshow("spectrum magnitude", magI);

magI = magI * 255;
imwrite("./Magnitude.jpg", magI);

#if 1   // test idft
Mat ifft;
idft(complexI, ifft, DFT_REAL_OUTPUT);

Mat ifftConvert;
ifft.convertTo(ifftConvert, CV_8U);
imwrite("./IDFT_CV_8U.jpg", ifft);

normalize(ifft, ifft, 0, 1, CV_MINMAX);
imshow("IDFT", ifft);

ifft = ifft * 255;
imwrite("./IDFT.jpg", ifft);
#endif
waitKey();

return 0;
}

Answer 1

后向傅里叶变换未标准化。实际上，如果图像是512x512，idft(dft(x))比x大512x512倍。奇怪的噪音是由于数字不再在0 - 255范围内。

特别是，后向dft具有负值和值大到6.6e7。可以通过添加：

来检查

double min, max;
cv::minMaxLoc(ifft, &min, &max);
std::cout << min<< " " << max <<std::endl;

向后缩小dft可以通过添加：

来完成

ifft=ifft/(512*512);

消除了奇怪的噪音。

2 /高通滤波器的normalize（）结果似乎是正确的。这样的滤波器将从原始图像中减去模糊图像。特别是，输出的平均值为0.因此，它具有负值和正值。由于最大值和最小值在您的情况下具有相同的幅度，normalize（）将设置零值接近127 \约255/2。这就是图像变灰的原因。白色值对应于正值，黑色值对应于负值。

对于边缘，

convertTo()将得到非常大的负值和正值，范围为0-255。这些值将转换为白色。远离边缘，值接近于零，颜色保持黑色。

OpenCV IDFT具有奇怪的噪声，高通滤波器结果似乎有误

1 个答案: