去条纹算法 —— 兼容自然图像与荧光图像的频域滤波方法（FFT）

文章目录

• 【基础】傅里叶变换
• • 0.1、傅里叶变换的复数结果（空间域 -> 频率域）
  • 0.2、幅度与相位（幅度图像 + 相位图像）
  • 0.3、幅度图像与频谱图像的区别
  • 0.4、什么是频谱图像？？？
  • • 0.4.1、应用领域
    • 0.4.2、频谱图像显示：水平+竖直
    • 0.4.3、频谱图像处理：水平+竖直（实测）
• 一、基于FFT的去条纹算法 —— 用于去除图像中的周期性条纹噪声
• • 1.1、基本介绍（Destripe）
  • 1.2、条纹噪声
  • • 1.2.1、噪声类型（竖条纹 + 横条纹）
    • 1.2.2、产生原因
    • 1.2.3、影响
    • 1.2.4、需求
  • 1.3、处理步骤
  • • （1）读取图像
    • （2）前处理（可选） —— 决定了图像质量
    • （3）傅里叶变换：cv2.dft() + np.fft.fftshift()
    • （4）频域滤波（过滤频率分量） —— mask决定了图像质量（核心）
    • （5）逆傅里叶变换：np.fft.ifftshift() + cv2.idft()
    • （6）后处理（可选） —— 决定了图像质量
• 二、项目实战
• • 2.0、使用说明
  • 2.1、在自然图像背景下（2D图像）
  • • 方法一（代码复现） —— 基于FFT的去条纹算法（性能最优）
    • 方法二（代码复现） —— 基于带通滤波器的去条纹算法 —— （比较模糊）
    • 方法三（代码复现） —— 基于引导滤波器的去条纹算法 —— （效果减半）
  • 2.2、在荧光图像背景下（类器官、脑图像等）
  • • 2.2.2、【 Fiji 复现】 —— 基于FFT的去条纹算法（性能最优）
    • 2.2.3、【代码复现】 —— 基于FFT的去条纹算法（性能最优）
• 三、基于FFT的去条纹算法（参数测试）
• • 3.0、使用说明
  • 3.1、频率滤波 —— 参数：线条类型 + 是否去除中心点 + 中心点半径 + 线宽
  • • 3.1.1、mask去除线条：水平 or 竖直 or 水平+竖直（保留中心点） —— 参数 - 中心点半径
    • 3.1.2、mask去除线条：中心水平 + 中心竖直（保留中心点） —— 参数 - 线宽
    • 3.1.3、mask去除线条：中心水平 + 中心竖直（保留中心点） —— 参数 - 裁剪中心区域的周边区域，取其像素线条替换黑色线条
    • 3.1.4、mask去除线条：水平 or 竖直 or 水平+竖直 —— 参数 - 去除中心点
  • 3.2、图像前处理：高斯滤波 + 频域滤波
  • • 3.2.1、mask去除线条：水平 or 竖直 or 水平+竖直 —— 参数 - 是否去除中心点
    • 3.2.2、mask去除线条：中心水平（去除中心点） —— 参数 - 线宽
    • 3.2.3、mask去除线条：中心水平（去除中心点） —— 参数 - sigma
  • 3.3、图像后处理
  • • 3.3.1、灰度阈值分割
    • 3.3.2、连通区域分割