频域同态滤波（Python和OpenCV）

所以，我需要构建一个同态过滤器，但我的代码似乎是错误的。我不知道这是执行还是python中的一些细节我不知道，但我知道这是错误的。我希望som能深入了解我能做些什么来改进它

我正在使用

图像作为输入参考，因为它在里卡多C.冈萨雷斯的DIP书上，我知道输出应该是什么样子。我甚至使用了书中在它的过滤器中使用的相同参数，但它不起作用

冈萨雷斯的输入和输出分别为：

我的输出：

我的代码如下：

#编码：utf-8
进口cv2
将numpy作为np导入
从matplotlib导入pyplot作为plt
tss=cv2.imread（“第七章1.jpg”，0）
mc=cv2.imread（“贻贝洞穴”0.JPG）
sh=cv2.imread（“庇护_同态.bmp”，0）
pet=cv2.imread（“pet.png”，0）
def filtro_gaussiano_livro（德国政府、德国劳埃德船级社、gh公司、Dz）：
im=np.复制（img）
P=im.形状[0]/2
Q=im.形状[1]/2
h=np.零（im.形状）
U、 V=np.meshgrid（范围（im.shape[0]），范围（im.shape[1]），稀疏=False，索引=ij'）
d=（（U-P）**2+（V-Q）**2）.aType（浮点）
d0=Dz
c=公司
h=（gh-gl）*（1-（np.exp（-c*（d/（d0**2())））+gl
返回h
def filtro_gaussiano（img，Dz）：
im=np.复制（img）
P=im.形状[0]/2
Q=im.形状[1]/2
h=np.零（im.形状）
U、 V=np.meshgrid（范围（im.shape[0]），范围（im.shape[1]），稀疏=False，索引=ij'）
d=（（U-P）**2）+（（V-Q）**2））.aType（浮点）
h=1-np.exp（-（d/（2*（Dz**2）））
返回h
def uint8_conv（img）：
材料=np.副本（img）
对于范围内的i（材料形状[0]）：
对于范围内的j（材料形状[1]）：
如果mat[i，j]<0：
mat[i，j]=0
elif mat[i，j]>255：
mat[i，j]=255
其他：
mat[i，j]=mat[i，j]
返回np.uint8（材料）
def reescalona（进气歧管、最小值、最大值）：
材料=np.副本（img）
ph=cv2。添加（最小(
cv2.除法（（cv2.乘法（（cv2.减法（mat，np.min（mat）），（max-min）），（np.max（mat）-np.min（mat '）））
rtn=np.uint8（ph）
返回rtn
def HOMORMOFICA（进气歧管，左，右）：
im=np.float64（np.copy（img））
cv2.imshow（“边界”，im）
如果s==0：
f=滤波高斯（im，l）
elif s==1：
f=filtro_gaussiano_livro（im，0.05，3.5，1，l）
cv2.imshow（“高斯”+str（s），f）
im_log=np.log1p（im）
Im_shift=np.fft.fft移位（np.fft.fft2（Im_log））
Im\u fft\u filt=np.乘法（f，Im\u移位）
cv2.imshow（“FFT移位”，uint8_conv（np.real（Im_移位）））
Im\u filt=np.real（np.fft.ifft2（np.fft.ifftshift（Im\u fft\u filt）））
Im=np.exp（Im\U过滤器）-1
Im=reescalona（Im，0255）
返回uint8_conv（Im）
#def槽口（img）：
raio=2500
i=宠物
a=同态（i，raio，0）
b=同态（i，raio，1）
cv2.imshow（“原始图像”，i）
cv2.imshow（“Filtro homofobico comum”，a）
cv2.imshow（“Filtro homopobico do livro”，b）
k=0
而k！=27:
k=cv2.等待键（0）
cv2.destroyAllWindows（）

这里有一种使用Python/Numpy/OpenCV在频域进行同态滤波的方法

我相信你的问题只是你的过滤。我将在下面展示两种不同的滤波器，它们在圆的半径和高斯滤波上有所不同

• 将输入读取为灰度
• 获取输入的自然日志
• 对实部/虚部进行FFT
• 移动FFT，使直流点位于中心
• 在小半径的白色背景上创建黑色圆形遮罩
• 对遮罩应用高斯模糊
• 移动FFT，使直流点位于左上角
• 进行IFFT并转换为简单的真实图像
• 以IFFT的指数为例
• 将其拉伸到0到255的范围
• 保存结果

对于半径=3和模糊=7的高通滤波器遮罩和同态结果：

对于半径=13和模糊=47的高通滤波器掩模和同态结果：

---

是显示输入或输出的图像。请发布您的输入、输出和冈萨雷斯输出。另请参见和@fmw42更新的itI标记了一个用于分割车牌字符的复制贴子，该贴子提供了同态过滤的实现。看一看。我使用的是书中给出的参数，但我在发布时忘了编辑它们。GammaL=0.25，GammaH=2，D0=80。我正试图用相同的参数复制结果，看看我的结果是否正确对不起，我没有这本书来知道他们做了什么。np，谢谢你的回答！我遗漏了重要的信息，所以是关于我高通滤波器的方程是什么？等式8中的哪个等式是，sry，我昨天回答了，但由于某种原因，它没有注册

import numpy as np
import cv2

# read input and convert to grayscale
img = cv2.imread('person.png', cv2.IMREAD_GRAYSCALE)
hh, ww = img.shape[:2]

# take ln of image
img_log = np.log(np.float64(img), dtype=np.float64)

# do dft saving as complex output
dft = np.fft.fft2(img_log, axes=(0,1))

# apply shift of origin to center of image
dft_shift = np.fft.fftshift(dft)

# create black circle on white background for high pass filter
#radius = 3
radius = 13
mask = np.zeros_like(img, dtype=np.float64)
cy = mask.shape[0] // 2
cx = mask.shape[1] // 2
cv2.circle(mask, (cx,cy), radius, 1, -1)
mask = 1 - mask

# antialias mask via blurring
#mask = cv2.GaussianBlur(mask, (7,7), 0)
mask = cv2.GaussianBlur(mask, (47,47), 0)

# apply mask to dft_shift
dft_shift_filtered = np.multiply(dft_shift,mask)

# shift origin from center to upper left corner
back_ishift = np.fft.ifftshift(dft_shift_filtered)

# do idft saving as complex
img_back = np.fft.ifft2(back_ishift, axes=(0,1))

# combine complex real and imaginary components to form (the magnitude for) the original image again
img_back = np.abs(img_back)

# apply exp to reverse the earlier log
img_homomorphic = np.exp(img_back, dtype=np.float64)

# scale result
img_homomorphic = cv2.normalize(img_homomorphic, None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U)

# write result to disk
cv2.imwrite("person_dft_numpy_mask.png", (255*mask).astype(np.uint8))
cv2.imwrite("person_dft_numpy_homomorphic.png", img_homomorphic)

cv2.imshow("ORIGINAL", img)
cv2.imshow("MASK", mask)
cv2.imshow("FILTERED DFT/IFT ROUND TRIP", img_back)
cv2.imshow("HOMOMORPHIC", img_homomorphic)
cv2.waitKey(0)
cv2.destroyAllWindows()