Обрезка изображения в MATLAB

Question

мне нужно сделать следующее для изображения в MATLAB:

1. Загрузите изображения.
2. вычислить FFT (быстрое преобразование Фурье) изображения.
3. Компоненты частоты сдвига в центр.
4. обрезайте изображение, как показано ниже (если разрешение изображения равно 1000x1000, необходимая часть изображения выглядит следующим образом: 100,100,800,800, что является меньшим изображением. (Идея применения фильтра для удаления высоких частот).
.
5. обратный сдвиг преобразования
6. обратное Фурье

Мой код выглядит следующим образом:....

I = imread('2.jpg'); %loading 

ID = im2double(I); 
FID = fft2(ID); %FFT 
F = fftshift(FID); %shifting 

F = imcrop(F,[100, 100, 800, 800]); 

FID = ifftshift(F); %inverse of shifting 
IFID = ifft2(FID); %inverse of FFT 

I8 = im2uint8(IFID); 

Проблема заключается в том, когда я хочу, чтобы обрезать изображение, функция imcrop не может обрезать изображение типа «сложный двойной», так как я думаю ..

Ошибка:

Error using imcrop>checkCData (line 410) Invalid input image.

Error in imcrop>parseInputs (line 256) checkCData(a);

Error in imcrop (line 93) [x,y,a,cm,spatial_rect,h_image,placement_cancelled] = parseInputs(varargin{:});

Любой Помогите ? .. также есть и другая функция для обрезки?

Answer 1

Обрезка вещественнозначную разложение изображения (либо величины и фазы, или действительной и мнимой части) позволило бы избежать заявленную погрешность от imcrop.

Однако, поскольку вы указали, что намерены фильтровать высокочастотные компоненты, вы должны заметить, что обрезка также будет иметь побочный эффект уменьшения результирующего изображения во временной области.

Чтобы сохранить размер изображения, вы можете вместо этого обнулить эти частотные бункеры (за исключением использования более сложной конструкции фильтра). Вы можете достичь этого, умножив данные частотной области на матрицу, действующую в качестве маски на частотную составляющую, которую вы хотите сохранить.

код для достижения этой цели будет выглядеть так:

% create a mask to zero-out high frequency components 
H = zeros(size(I)); 
halfwidth = 400; 
xmin = size(H,2)/2+1 - halfwidth; 
xmax = size(H,2)/2+1 + halfwidth; 
ymin = size(H,1)/2+1 - halfwidth; 
ymax = size(H,1)/2+1 + halfwidth; 
H(xmin:xmax, ymin:ymax, :) = 1; 

% apply mask 
F = F.*H; 

Который даст вам следующий общий код:

I = imread('2.jpg'); %loading 

ID = im2double(I); 
FID = fft2(ID); %FFT 
F = fftshift(FID); %shifting 

% create a mask to zero-out high frequency components 
H = zeros(size(I)); 
halfwidth = 400; 
xmin = size(H,2)/2+1 - halfwidth; 
xmax = size(H,2)/2+1 + halfwidth; 
ymin = size(H,1)/2+1 - halfwidth; 
ymax = size(H,1)/2+1 + halfwidth; 
H(xmin:xmax, ymin:ymax, :) = 1; 

% apply mask 
F = F.*H; 

FID = ifftshift(F); %inverse of shifting 
IFID = real(ifft2(FID)); %inverse of FFT 

I8 = im2uint8(IFID); 

Answer 2

Проблема действительно в комплексных значениях в тензоре F. Доказательством является то, что замена imcrop(F,[100, 100, 800, 800]) на imcrop(abs(F),[100, 100, 800, 800]).

Предлагаемое мне предложение состоит в разложении сигнала F по величине и фазе и использовании imcrop на этих двух изображениях, после чего следует реконструкция. Что касается понимания «imcrop», это должно дать тот же результат.

Код будет выглядеть потом как:

I = imread('PersonalPhoto.JPG'); %loading 

ID = im2double(I); 
FID = fft2(ID); %FFT 
F = fftshift(FID); %shifting 

Fabs = imcrop(abs(F),[100, 100, 800, 800]); 
Fang = imcrop(angle(F),[100, 100, 800, 800]); 

F = Fabs.*exp(1j.*Fang); 

FID = ifftshift(F); %inverse of shifting 
IFID = ifft2(FID); %inverse of FFT 

I8 = im2uint8(IFID);