信息处理 - 使用傅里叶变换从图像中去除周期性噪声 - 吾爱随笔录

我试图通过对记录的图像进行后处理来消除一些周期性的闪烁噪声。这些伪影的原因是相机的电子卷帘快门顺序读取每一行，当在荧光灯下（由于 50 或 60 Hz 交流电源频率）拍摄照片时，这种机制会导致图像的亮度变化。

我尝试计算图像的傅里叶变换并抑制可能导致闪烁的分量。我检查了幅度谱（如下图所示），并将直流分量周围的垂直分量设置为一个非常小的值（我保留了直流分量）。最后，我设法消除了闪烁，因为我抑制了闪烁频率，但图像也有点变形，因为我可能还抑制了一些有助于信号能量的其他频率。

原始图像及其幅度谱和滤波后的幅度谱

我想知道检测闪烁频率并仅消除/抑制该频率的更好方法是什么？在我当前的实现中，我可能会做一些根本错误的事情，所以我将不胜感激任何指导和提示。下面，我展示了我为上面解释的那种过滤得到的结果图像。您还可以在下面找到我的 Python 代码。

输入和输出图像

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('images/flicker2.jpg',0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
# calculate amplitude spectrum
mag_spec = 20*np.log(np.abs(fshift))

r = f.shape[0]/2        # number of rows/2
c = f.shape[1]/2        # number of columns/2   
p = 3                         
n = 1                   # to suppress all except for the DC component       
fshift2 = np.copy(fshift)

# suppress upper part
fshift2[0:r-n , c-p:c+p] = 0.001
# suppress lower part
fshift2[r+n:r+r, c-p:c+p] = 0.001
# calculate new amplitude spectrum
mag_spec2 = 20*np.log(np.abs(fshift2))
inv_fshift = np.fft.ifftshift(fshift2)
# reconstruct image
img_recon = np.real(np.fft.ifft2(inv_fshift))

plt.subplot(131),plt.imshow(img, cmap = 'gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(132),plt.imshow(mag_spec, cmap = 'gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.subplot(133),plt.imshow(mag_spec2, cmap = 'gray')
plt.title('Magnitude Spectrum after suppression'), plt.xticks([]), plt.yticks([])
plt.show()

plt.figure()
plt.subplot(121),plt.imshow(img, cmap = 'gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(img_recon, cmap = 'gray')
plt.title('Output Image'), plt.xticks([]), plt.yticks([])
plt.show()