s1081542 作業4
作業說明:
- 計算輸入圖的離散傅立葉轉換結果，並將頻譜大小與相位角度各以灰階256色圖像方式呈現出。
- 對圖像利用Gaussian Low-Pass filter處理，輸出平滑後圖像。
- 程式利用課本的frequency filter步驟者可得滿分，在網頁中將每個步驟結果呈現出。直接套用opencv函數得一半分數。
使用環境/語言:
- Windows11
- Visual Studio 2019
- Opencv-4.3.0
- C++
實作方法:
- 輸入圖片路徑後，會檢查是否可讀取到圖片內容，若不行，則重新輸入圖片路徑。
- 輸入圖片欲模糊的程度。
- 讀取灰階圖片，並利用copyMakeBorder函式，將圖片的長、寬都調整為原圖兩倍。
- 將新尺寸的圖片(padded image) 的型態換成CV_32FC1，因為要對圖片的每個像素乘上(-1)^(x+y)，若沒轉型態的話會報錯，乘完後將型態轉回CV_8UC1，負數即會消失。
- 利用高斯低通濾波器的函數定義，求出高斯低通濾波器。
- 利用dft函式(傅立葉轉換函式)，算出新尺寸的圖片(padded image) 的複數值，然後將複數值拆成實數和虛數。
- 利用magnitude函式，將第6點的實數和虛數轉成振幅值，再將振幅值轉成對數，然後利用normalize函式，將對數做歸一化，如此即可求出原圖的頻譜大小。
- 利用Phase函式，將第6點的實數和虛數轉成相位角度值，然後利用normalize函式，將相位角度值做歸一化，如此即可求出原圖的相位角度。
- 利用multiply函式，將第5點求出的高斯低通濾波器與第6點的實數和虛數 互相做卷積，卷積完會得到新的實數和虛數，再利用merge函式，將新的實數和虛數，組成一個新的複數。
- 利用idft函式(反傅立葉轉換函式)，將第9點的複數值轉換成新的複數值，再利用split函式，將新的複數值，拆成新的實數和虛數。
- 利用magnitude函式，將第10點的實數和虛數轉換成新的振幅值，此部分不需要將振幅值轉成對數，因為此部分所用的實數和虛數是利用idft函式求得的值。
- 利用normalize函式，將第11點的振幅值做歸一化，然後再將此部分求出的圖片，轉換成原圖片的尺寸，如此即可求出Gaussian Low-Pass filter處理後的，平滑圖像。
- 印完圖像後，可讓使用者選擇是否要繼續輸入圖片欲模糊的程度，觀察同張圖片不同的模糊效果，若輸入^z，則回到第一點的流程。
執行方式/畫面:
原圖:
灰階圖:
zero-padded image:
zero-padded image multiply by (-1)^(x+y):
高斯濾波器函數:
原圖的頻譜大小:
原圖的相位角度:
原圖與濾波器函數相乘的頻譜大小:
Gaussian filter(未調整為原尺寸):
Gaussian filter(調整為原尺寸):
影片:
參考資料:
沒有留言:
張貼留言