【Emgu CV教程】7.8、图像锐化(增强)之同态滤波

文章目录

一、同态滤波大体原理
二、代码
三、效果举例

一、同态滤波大体原理

之前介绍的几个锐化、增强方法，包括更早之前介绍的图像模糊方法，都是基于空间域进行处理，也就是直接对目标点周边像素值进行各种数学运算。而这篇文章提到的同态滤波，就要更厉害了，是基于频率域的，要用到Dft()傅里叶变换函数。

高等数学比较好的读者可能很好理解，我看了半天也没明白是什么意思，下面都是我自己的理解，可能有错的啊。傅里叶变换是一个非常厉害的操作，图像的原始表达方式是 m * n个像素点组合，这个叫空间域，空间域大小就是m * n，转成频率域呢，用处就大了，因为高频的就是噪声或者物体边缘，低频的就是图像内比较平缓的部位，比如蓝天、纯色背景、雪地等等。因为有了高低频，就可以提取出边缘、噪声来，进一步就可以对边缘、噪声进行有针对性的处理。

通过傅里叶转换，在频率域内对图像进行处理，也是很重要、很有效的一种办法，属于比较高级的应用，很值得用一大章来仔细讲解，可惜我不会，就免了吧。

二、代码

网上有很对专家利用OpenCV 实现同态滤波，原理也讲了不少，读者们可以去找找。我这里也是根据他们的原始代码，转换成Emgu CV + C#的形式来实现，代码如下：

Mat dstMat = new Mat();

// 1、log变换，将源图像转为float类型  然后进行log变换
Mat gray = srcMat.Clone();

// CvInvoke.Resize(gray, gray, new System.Drawing.Size(1280, 720), 0, 0, Inter.Linear);
CvInvoke.CvtColor(gray, gray, ColorConversion.Bgr2Gray);
Mat f = new Mat();
gray.ConvertTo(f, DepthType.Cv32F, 1 / 255.0);
f += 0.1;
CvInvoke.Log(f, f);

// 2、傅里叶变换
Mat fourierMat = new Mat();
CvInvoke.Dft(f, fourierMat, DxtType.Forward, 0);

// 3、构造一个高斯频域高通滤波器
Mat filter = new Mat(fourierMat.Rows, fourierMat.Cols, DepthType.Cv32F, 1);
filter.SetTo(new MCvScalar(0, 0, 0));
Image<Gray, double> filterImage = filter.ToImage<Gray, double>();
for (int y = 0; y < filter.Rows; y++)
{
    for (int x = 0; x < filter.Cols; x++)
    {
        int xx = x > filter.Cols / 2 ? x - filter.Cols : x;
        int yy = y > filter.Rows / 2 ? y - filter.Rows : y;

        double duv = Math.Sqrt((xx * xx) + (yy * yy));
        double d0 = 3;

        double huv = ((1.0 - 0.4) * (1 - Math.Pow(2.71828, -1 * (duv * duv / (d0 * d0))))) + 0.4;
        filterImage.Data[y, x, 0] = huv;
    }
}

filter = filterImage.Mat;
filter.ConvertTo(filter, DepthType.Cv32F);

// 4、滤波，将傅里叶变换过后的图像与滤波器相乘：
CvInvoke.Multiply(fourierMat, filter, fourierMat, 1); // 相乘后，最大值255，最小值0

// 5、傅里叶逆变换，指数变换(图像还原)
CvInvoke.Dft(fourierMat, dstMat, DxtType.InvScale, 0);
CvInvoke.Exp(dstMat, dstMat);
dstMat -= 0.1;

// 6、显示
CvInvoke.Imshow("Destination image,methord 2,  " + dstMat.Size.ToString(), dstMat);