在matlab中使用FFT去除图像中的图案和噪声

我使用 clown.jpg 图像来消除其明显的图案/噪音。

在对图像进行 FFT 之前所做的第一步是将其重新调整为 2 次幂的方形图像（即 256 x 256）。在 matlab 中使用 FFT 和 fftshift 可以实现快速傅里叶变换，其强度集中在图像中。下图是使用前面提到的函数的结果。

我通过手动将 FFT 图像上的“星星”归零，成功去除了图案/噪声，如下所示：

通过 IFFT，我得到了更好的图像质量（未显示）。

我的问题是是否有一种自动方法将“星星”归零？我创建了一个将图像归零的间隔，因为我们不想删除最亮的“星星”、DC 分量或低值。下面给出这样的阈值：

filter = (fLog > .7*max(fLog(:)) ) | (fLog < .25*max(fLog(:)) )

where fLog is the log(1+abs(Fourier image)) and .7 and .25 are the corresponding
interval percentages.

输出掩模（我将其乘以傅立叶图像）如下所示。黑色对应于值 0，白色对应于 1。请注意，此掩模的过滤会去除一些“星星”并保留一些 DC 分量。显然这个方法并不是最好的。

我正在阅读有关进行高通滤波器的内容，但这似乎消除了傅立叶图像中的所有外部值。这是基于我之前的测试（我没有包含这些图像）。

您是否建议使用某些东西来突出显示除直流分量之外的高强度值。理想情况下，我想让面具看起来像：

source: http://users.accesscomm.ca/bostrum/Imaging/tips/tip1.html http://users.accesscomm.ca/bostrum/Imaging/tips/tip1.html

在另一个网站中，提到使用“高通和电平校正 FFT 数据以仅保留代表光栅图案的杂散点”。我不清楚具体如何做到这一点。

source: http://www.robotplanet.dk/graphics/raster_removal/ http://www.robotplanet.dk/graphics/raster_removal/

对你的帮助表示感谢。

这是我的源代码以提供帮助：

I = imread('clown.jpg'); % Read Image

% convert to grayscale
I = rgb2gray(I);

% normalize the image and conver to doubleI
I = double(mat2gray(I));

% Resize the image
I = imresize(I, [256 256]);

% get the size of the image
[rows,cols] = size(I);

% apply FFT
f = fftshift(fft2(I));

% used to plot the image
fLog = log(1 + abs(f));

% filter by a range based on fLog

filter = (fLog > .7*max(fLog(:)) ) | (fLog < .25*max(fLog(:)) );

B = abs(ifft2(f.*filter));

colormap(gray)
subplot(2,2,1),imagesc(I); title('Original Image')
subplot(2,2,2),imagesc(fLog); title('Fourier Image')
subplot(2,2,3),imagesc(filter); title('Zeroed Fourier Image')
subplot(2,2,4),imagesc(B); title('Cleaned Image')
annotation('textbox', [0 0.9 1 0.1], ...
    'String', 'Fourier Analysis on Clown Image', ...
    'EdgeColor', 'none', ...
    'HorizontalAlignment', 'center', ...
    'FontSize', 15, ...
    'FontWeight', 'bold')

I tried to detect the local maximum magnitude in the frequency domain, and zero them along with their neighborhoods. It is not exactly clean, but at least realize some automatic-zero to some extent.

My code:

I=I-mean(I(:));
f = fftshift(fft2(I));
fabs=abs(f);

roi=3;thresh=400;
local_extr = ordfilt2(fabs, roi^2, ones(roi));  % find local maximum within 3*3 range

result = (fabs == local_extr) & (fabs > thresh);

[r, c] = find(result);
for i=1:length(r)
    if (r(i)-128)^2+(c(i)-128)^2>400   % periodic noise locates in the position outside the 20-pixel-radius circle
        f(r(i)-2:r(i)+2,c(i)-2:c(i)+2)=0;  % zero the frequency components
    end
end

Inew=ifft2(fftshift(f));
imagesc(real(Inew)),colormap(gray),