matlab中使用二值化腐蚀膨胀进行滤波

最新推荐文章于 2022-06-24 17:19:24 发布

原创最新推荐文章于 2022-06-24 17:19:24 发布 · 1.3k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #信号处理 #opencv #边缘检测

python 同时被 2 个专栏收录

94 篇文章

订阅专栏

图像处理

27 篇文章

订阅专栏

该博客详细介绍了如何通过傅里叶变换处理图像，包括图像转换为灰度、频域分析、阈值分割、形态学操作、中值滤波等一系列步骤，以去除频域中的高频噪声，实现网纹成分的去除，最终还原清晰的图像。

clc;    
close all;  
clear;  
workspace;  
fontSize = 14;
grayImage = imread('test.jpg');
[rows, columns, numberOfColorBands] = size(grayImage);
if numberOfColorBands > 1  % 如果是彩色图像则转为灰度图像
	grayImage = rgb2gray(grayImage);
end
figure,imshow(grayImage, []);
title('原始灰度图像');
frequencyImage = fftshift(fft2(grayImage));  % 得到频域图
myangle = angle(fft2(grayImage));  % 后续傅里叶反变换使用
amplitudeImage = log(1 + abs(frequencyImage));  % 在FFT变换之后把浮点数据进行对数变化，线性映射到0~255范围内，压缩数据
frequencyImage = abs(frequencyImage);
figure,imshow(amplitudeImage, [])
title('傅里叶变换得到的频域图像');
amplitudeThreshold = 9.2;  % 阈值分割的阈值
brightSpikes = amplitudeImage > amplitudeThreshold; % 二值图像
figure,imshow(brightSpikes);
title('频域图像阈值分割');
se=strel('disk',1');% 圆盘型结构元素  
fc=imclose(brightSpikes,se);  % 形态学闭操作等效于先膨胀再腐蚀
figure,imshow(fc);
title('频域图像阈值分割后膨胀腐蚀');
I_reverse = imcomplement(fc); % 反色
figure,imshow(I_reverse);
title('反色');
I_reverse(275:310, 190:235) = 1;  % 保留中心区域
figure,imshow(I_reverse);  
title('保留中心区域');
median_filter=medfilt2(I_reverse,[3,3]);  %进行3*3模板中值滤波，前面的处理可能会带来新条纹
figure,imshow(median_filter);
title('中值滤波');
mask = imcomplement(median_filter);
frequencyImage(mask) = 0;
amplitudeImage2 = log(abs(frequencyImage));
figure,imshow(amplitudeImage2, []);
title('新的频谱图');
aaa = ifftshift(frequencyImage);               % 将处理后的幅度图反移位，恢复到正常状态
bbb = aaa.*cos(myangle) + aaa.*sin(myangle).*1i;      % 幅度值和相位值重新进行结合，得到复数
fr = abs(ifft2(bbb));               % 进行傅里叶反变换，得到处理后的时域图像
ret = im2uint8(mat2gray(fr));       
figure,imshow(ret);       %去除网纹成分后的图像
title('傅里叶反变换还原图像');