OpenCV 完整例程83. 频率域低通滤波:印刷文本字符修复

Posted 小白YouCans

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了OpenCV 完整例程83. 频率域低通滤波:印刷文本字符修复相关的知识,希望对你有一定的参考价值。

【OpenCV 完整例程】83. 频率域低通滤波案例:印刷文本字符修复

欢迎关注 『OpenCV 完整例程 100 篇』 系列,持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列,持续更新中


3.5 频率域低通滤波:印刷文本字符修复

低通滤波技术主要应用于印刷和出版业。本节给出频率域低通滤波的实际应用:印刷文本的字符修复,案例来自冈萨雷斯《数字图像处理(第四版)》P194 图 4.48。

原始图像是一幅低分辨率文本图像的样本,我们会在传真、复印或历史文档中遇到这样的文本。图片中的文本不存在污迹、折痕和撕裂,但文本中的字符因分辨率不足而产生的失真,其中许多字符是断开的。解决这个问题的一种方法是,通过模糊输入图像来桥接这些小缝隙。

例程显示了使用不同 D 0 D_0 D0 的高斯低通滤波器简单处理后的修复效果。当然这只是修复的一个步骤,接下来还要进行其它处理如阈值处理、细化处理,这些方法将在后续内容讨论。

为了方便今后的使用,例程将最优扩充的快速傅立叶变换、高斯低通滤波器封装为函数。


例程 8.22:GLPF 低通滤波案例:印刷文本字符修复 (Text character recognition)

# OpenCVdemo08.py
# Demo08 of OpenCV
# 8. 图像的频率域滤波
# Copyright 2021 Youcans, XUPT
# Crated:2021-12-15
   
# 8.22:GLPF 低通滤波案例:印刷文本字符修复 (Text character recognition)
    def gaussLowPassFilter(shape, radius=10):  # 高斯低通滤波器
        # 高斯滤波器:# Gauss = 1/(2*pi*s2) * exp(-(x**2+y**2)/(2*s2))
        u, v = np.mgrid[-1:1:2.0/shape[0], -1:1:2.0/shape[1]]
        D = np.sqrt(u**2 + v**2)
        D0 = radius / shape[0]
        kernel = np.exp(- (D ** 2) / (2 *D0**2))
        return kernel

    def dft2Image(image):  # 最优扩充的快速傅立叶变换
        # 中心化, centralized 2d array f(x,y) * (-1)^(x+y)
        mask = np.ones(image.shape)
        mask[1::2, ::2] = -1
        mask[::2, 1::2] = -1
        fImage = image * mask  # f(x,y) * (-1)^(x+y)

        # 最优 DFT 扩充尺寸
        rows, cols = image.shape[:2]  # 原始图片的高度和宽度
        rPadded = cv2.getOptimalDFTSize(rows)  # 最优 DFT 扩充尺寸
        cPadded = cv2.getOptimalDFTSize(cols)  # 用于快速傅里叶变换

        # 边缘扩充(补0), 快速傅里叶变换
        dftImage = np.zeros((rPadded, cPadded, 2), np.float32)  # 对原始图像进行边缘扩充
        dftImage[:rows, :cols, 0] = fImage  # 边缘扩充,下侧和右侧补0
        cv2.dft(dftImage, dftImage, cv2.DFT_COMPLEX_OUTPUT)  # 快速傅里叶变换
        return dftImage


    # (1) 读取原始图像
    imgGray = cv2.imread("../images/Fig0419a.tif", flags=0)  # flags=0 读取为灰度图像
    rows, cols = imgGray.shape[:2]  # 图片的高度和宽度

    plt.figure(figsize=(10, 6))
    plt.subplot(2, 3, 1), plt.title("Original"), plt.axis('off'), plt.imshow(imgGray, cmap='gray')

    # (2) 快速傅里叶变换
    dftImage = dft2Image(imgGray)  # 快速傅里叶变换 (rPad, cPad, 2)
    rPadded, cPadded = dftImage.shape[:2]  # 快速傅里叶变换的尺寸, 原始图像尺寸优化
    print("dftImage.shape:".format(dftImage.shape))


    D0 = [10, 30, 60, 90, 120]  # radius
    for k in range(5):
        # (3) 构建 高斯低通滤波 (Gauss low pass filter)
        lpFilter = gaussLowPassFilter((rPadded, cPadded), radius=D0[k])

        # (5) 在频率域修改傅里叶变换: 傅里叶变换 点乘 低通滤波器
        dftLPfilter = np.zeros(dftImage.shape, dftImage.dtype)  # 快速傅里叶变换的尺寸(优化尺寸)
        for j in range(2):
            dftLPfilter[:rPadded, :cPadded, j] = dftImage[:rPadded, :cPadded, j] * lpFilter

        # (6) 对低通傅里叶变换 执行傅里叶逆变换,并只取实部
        idft = np.zeros(dftImage.shape[:2], np.float32)  # 快速傅里叶变换的尺寸(优化尺寸)
        cv2.dft(dftLPfilter, idft, cv2.DFT_REAL_OUTPUT + cv2.DFT_INVERSE + cv2.DFT_SCALE)

        # (7) 中心化, centralized 2d array g(x,y) * (-1)^(x+y)
        mask2 = np.ones(dftImage.shape[:2])
        mask2[1::2, ::2] = -1
        mask2[::2, 1::2] = -1
        idftCen = idft * mask2  # g(x,y) * (-1)^(x+y)

        # (8) 截取左上角,大小和输入图像相等
        result = np.clip(idftCen, 0, 255)  # 截断函数,将数值限制在 [0,255]
        imgLPF = result.astype(np.uint8)
        imgLPF = imgLPF[:rows, :cols]

        plt.subplot(2,3,k+2), plt.title("GLPF rebuild(n=)".format(D0[k])), plt.axis('off')
        plt.imshow(imgLPF, cmap='gray')

    print("image.shape:".format(imgGray.shape))
    print("lpFilter.shape:".format(lpFilter.shape))
    print("dftImage.shape:".format(dftImage.shape))

    plt.tight_layout()
    plt.show()


(本节完)


版权声明:

youcans@xupt 原创作品,转载必须标注原文链接:【OpenCV 完整例程】82. 频率域巴特沃斯低通滤波器

Copyright 2021 youcans, XUPT

Crated:2022-1-25


欢迎关注 『OpenCV 完整例程 100 篇』 系列,持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列,持续更新中

【OpenCV 完整例程】01. 图像的读取(cv2.imread)
【OpenCV 完整例程】02. 图像的保存(cv2.imwrite)
【OpenCV 完整例程】03. 图像的显示(cv2.imshow)
【OpenCV 完整例程】04. 用 matplotlib 显示图像(plt.imshow)
【OpenCV 完整例程】05. 图像的属性(np.shape)
【OpenCV 完整例程】06. 像素的编辑(img.itemset)
【OpenCV 完整例程】07. 图像的创建(np.zeros)
【OpenCV 完整例程】08. 图像的复制(np.copy)
【OpenCV 完整例程】09. 图像的裁剪(cv2.selectROI)
【OpenCV 完整例程】10. 图像的拼接(np.hstack)
【OpenCV 完整例程】11. 图像通道的拆分(cv2.split)
【OpenCV 完整例程】12. 图像通道的合并(cv2.merge)
【OpenCV 完整例程】13. 图像的加法运算(cv2.add)
【OpenCV 完整例程】14. 图像与标量相加(cv2.add)
【OpenCV 完整例程】15. 图像的加权加法(cv2.addWeight)
【OpenCV 完整例程】16. 不同尺寸的图像加法
【OpenCV 完整例程】17. 两张图像的渐变切换
【OpenCV 完整例程】18. 图像的掩模加法
【OpenCV 完整例程】19. 图像的圆形遮罩
【OpenCV 完整例程】20. 图像的按位运算
【OpenCV 完整例程】21. 图像的叠加
【OpenCV 完整例程】22. 图像添加非中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】24. 图像的仿射变换
【OpenCV 完整例程】25. 图像的平移
【OpenCV 完整例程】26. 图像的旋转(以原点为中心)
【OpenCV 完整例程】27. 图像的旋转(以任意点为中心)
【OpenCV 完整例程】28. 图像的旋转(直角旋转)
【OpenCV 完整例程】29. 图像的翻转(cv2.flip)
【OpenCV 完整例程】30. 图像的缩放(cv2.resize)
【OpenCV 完整例程】31. 图像金字塔(cv2.pyrDown)
【OpenCV 完整例程】32. 图像的扭变(错切)
【OpenCV 完整例程】33. 图像的复合变换
【OpenCV 完整例程】34. 图像的投影变换
【OpenCV 完整例程】35. 图像的投影变换(边界填充)
【OpenCV 完整例程】36. 直角坐标与极坐标的转换
【OpenCV 完整例程】37. 图像的灰度化处理和二值化处理
【OpenCV 完整例程】38. 图像的反色变换(图像反转)
【OpenCV 完整例程】39. 图像灰度的线性变换
【OpenCV 完整例程】40. 图像分段线性灰度变换
【OpenCV 完整例程】41. 图像的灰度变换(灰度级分层)
【OpenCV 完整例程】42. 图像的灰度变换(比特平面分层)
【OpenCV 完整例程】43. 图像的灰度变换(对数变换)
【OpenCV 完整例程】44. 图像的灰度变换(伽马变换)
【OpenCV 完整例程】45. 图像的灰度直方图
【OpenCV 完整例程】46. 直方图均衡化
【OpenCV 完整例程】47. 图像增强—直方图匹配
【OpenCV 完整例程】48. 图像增强—彩色直方图匹配
【OpenCV 完整例程】49. 图像增强—局部直方图处理
【OpenCV 完整例程】50. 图像增强—直方图统计量图像增强
【OpenCV 完整例程】51. 图像增强—直方图反向追踪
【OpenCV 完整例程】52. 图像的相关与卷积运算
【OpenCV 完整例程】53. Scipy 实现图像二维卷积
【OpenCV 完整例程】54. OpenCV 实现图像二维卷积
【OpenCV 完整例程】55. 可分离卷积核
【OpenCV 完整例程】56. 低通盒式滤波器
【OpenCV 完整例程】57. 低通高斯滤波器
【OpenCV 完整例程】58. 非线性滤波—中值滤波
【OpenCV 完整例程】59. 非线性滤波—双边滤波
【OpenCV 完整例程】60. 非线性滤波—联合双边滤波
【OpenCV 完整例程】61. 导向滤波(Guided filter)
【OpenCV 完整例程】62. 图像锐化——钝化掩蔽
【OpenCV 完整例程】63. 图像锐化——Laplacian 算子
【OpenCV 完整例程】64. 图像锐化——Sobel 算子
【OpenCV 完整例程】65. 图像锐化——Scharr 算子
【OpenCV 完整例程】66. 图像滤波之低通/高通/带阻/带通
【OpenCV 完整例程】67. 空间域图像增强的综合应用
【OpenCV 完整例程】68. 空间域图像增强的综合应用
【OpenCV 完整例程】69. 连续非周期信号的傅立叶系数
【OpenCV 完整例程】70. 一维连续函数的傅里叶变换
【OpenCV 完整例程】71. 连续函数的取样
【OpenCV 完整例程】72. 一维离散傅里叶变换
【OpenCV 完整例程】73. 二维连续傅里叶变换
【OpenCV 完整例程】74. 图像的抗混叠
【OpenCV 完整例程】75. Numpy 实现图像傅里叶变换
【OpenCV 完整例程】76. OpenCV 实现图像傅里叶变换
【OpenCV 完整例程】77. OpenCV 实现快速傅里叶变换
【OpenCV 完整例程】78. 频率域图像滤波基础
【OpenCV 完整例程】79. 频率域图像滤波的基本步骤
【OpenCV 完整例程】80. 频率域图像滤波详细步骤
【OpenCV 完整例程】81. 频率域高斯低通滤波器
【OpenCV 完整例程】82. 频率域巴特沃斯低通滤波器
【OpenCV 完整例程】83. 频率域低通滤波:印刷文本字符修复

以上是关于OpenCV 完整例程83. 频率域低通滤波:印刷文本字符修复的主要内容,如果未能解决你的问题,请参考以下文章

OpenCV 完整例程80. 频率域图像滤波详细步骤

OpenCV 完整例程78. 频率域图像滤波基础

OpenCV 完整例程81. 频率域高斯低通滤波器

OpenCV 完整例程82. 频率域巴特沃斯低通滤波器

OpenCV 完整例程84. 由低通滤波器得到高通滤波器

OpenCV 完整例程66. 图像滤波之低通/高通/带阻/带通