matlab频域滤波处理，手动滤波，图像去网格背景：频域中手动选择目标区域进行滤波，滤掉噪声，灵活地达到理想的效果。

一.原理简介

主要思路为：通过傅里叶变换，将图像显示在频率域中，通过观察频谱图，如果了解频谱图与原图之间的关联，可以较为容易地发现噪声在频谱图中的表现，如下图：

第一张为原图，图中有较为规律的网纹（莫尔模式），图像在频率域中的频谱图如上方右图所示，可以发现其中包含八个较为明显的亮点，这些亮点在原图中就是网格。

二.现有方法

如果去掉这些亮斑，如下方左图所示，表现在原图中，就去掉了网格，如右下角图所示。

如果从较专业图像处理的角度，可以如下方法：（前两种网上和《数字图像处理》书中较多实现。本文第三种）

1.对频谱图设置一个阈值二值化进行阈值分割，然后通过膨胀腐蚀等操作找到这些亮斑（代码点此）

2.巴特沃斯陷波带阻滤波器传递函数乘以傅里叶变换的结果（左下图）（参见数字图像处理207页）

3.手动圈选特定位置，将选定位置的值设置为频谱图中的最小值，（代码如下）

三.代码实现

非常重要：使用时，通过鼠标选择mask区域，选好一个mask后，按下esc键会进行选下一个。当所有的mask选完时，在第一个图上按esc，再在画mask的图上按esc，程序就往下执行，生成结果图。（欢迎有兴趣的小伙伴改进操作方法）

matlab实现，主要功能为对于图像出现的有规律的网格，网纹，线条状噪声进行移除。

I = imread('test.png'); 
I = rgb2gray(I);
totMask = zeros(size(I)); % accumulate all single object masks to this one 
f = figure('CurrentCharacter','a'); 
imshow(I) 

FFT = fft2(I);
myangle = angle(FFT);             %相位谱(没有进行移位的)
FS = abs(fftshift(FFT));          % 移位，使低频成分集中到图像中心，并得到幅度谱
S = log(1+abs(FS));
figure,imshow(S,[]);

small=min(min(FS))
h = imfreehand(gca); setColor(h,'green'); 
position = wait(h); 
BW = createMask(h); 
totMask = totMask | BW; % add mask to global mask 
while double(get(f,'CurrentCharacter'))~=27 
    % ask user for another mask 
    h = imfreehand(gca); 
    if isempty(h) 
     % User pressed ESC, or something else went wrong 
     continue 
    end 
    setColor(h,'green'); 
    position = wait(h); 
    BW = createMask(h); 
    totMask = totMask | BW; % add mask to global mask 
    pause(.1) 
end 
% show the resulting mask 
figure; imshow(totMask); title('multi-object mask'); 

cost3 = FS;
cost3(totMask == 1) = small ;
FS = cost3;


resul_s  = ifftshift(FS);               % 将处理后的幅度图反移位，恢复到正常状态
result_f = resul_s.*cos(myangle) + resul_s.*sin(myangle).*1i;      % 幅度值和相位值重新进行结合，得到复数
result_image = abs(ifft2(result_f ));               % 进行傅里叶反变换，得到处理后的时域图像
result = im2uint8(mat2gray(result_image));       
figure,imshow(result);       %去除网纹成分后的图像