这是一个被广泛讨论的话题,但我碰巧有一个问题还没有得到回答。 我的问题不是方法本身,而是它的适用性: 我的图像的f(x,y)表示的物理值可以是负值或正值。当我掩蔽对应的峰值时,比如中值,在应用逆FFT之后,我得到了一个复杂的图像。在
这合情合理!=ifft(fft(图像))如果图像!=图像,因此很可能是复杂结果?在
因此,我取图像数组的绝对值,得到一个干净的图像。但是通过拍摄图像的腹肌,我失去了负值!
我的代码很复杂,它使用多个图像来找到正确的遮罩位置,因此我将分解为以下要点:
def everything(fft,fftImage,sizeOfField,shapeOfFFT):
max_x = []
max_y = []
median = np.median(fft)
threshold = 500
#correctLocalMax() holds several subfunctions that look for the propper max_x and max_y. This works fine and returns 2 lists max_x,max_Y that contain the coordiantes of the max's
max_x,max_y = correctLocalMax(iStart = 0,iStop = 30, jStart =0 , jStop = shapeOfFFT[1],threshold=threshold, max_x = max_x, max_y = max_y)
for i in range(len(max_x)):
for k in range(sizeOfField):
for l in range(sizeOfField):
fftImage[max_x[i]+k][max_y[i]+l] = median
return(fftImage)
image, coverage, stdev = pickleOpener(dataDir,i)
field = getROI(image,area,i0,j0)
fftImage = np.fft.fft2(image)
fftImage = np.fft.fftshift(fftImage)
fft = np.fft.fft2(coverage)
fft = np.fft.fftshift(fft)
fftMod = everything(fft, fftImage, sizeOfField, shapeOfFFT)
imageBack = np.fft.ifft2(fftMod)
imageBack = np.abs(imageBack)
field = getROI(imageBack,area,i0,j0)
您可以在评论中找到问题的正确解决方案!
您可以尝试两种不同的方法: 或者先在原始值之间缩放图像,然后再重新缩放,类似于:
另一种方法是首先保存负数的值。 尽管我建议在函数调用期间检查它们是否被更改,以避免恢复噪声
相关问题 更多 >
编程相关推荐