图像低频高频区域分离

简介

　　本篇整理记录利用小波分离图像的高频、低频部分信息。

具体实现

　　实现代码参考资料：小波变换 C++ opencv 实现。

小波变换

　　小波生成和参考资料中一致。小波变换中，首先抽取出原图像的每一行，进行小波分解，获得水平方向的高、低频信息。接着抽取出原图像的每一列，进行小波分解，获得垂直方向的高、低频信息。　　生成的对应结果如下：                                                                                

                    水平方向                                         垂直方向

区域分离

　　如上，我们已经获得了水平、垂直方向的高、低频信息，并保存到了图像中。接着我们首先将这两幅图片都叠加到同一副图像中。结果开运算、高斯滤波和阀值二值化之后，最终获得比较好的分离掩码结果。　　对应代码如下：

void picDone(Mat mat1, Mat mat2){    int i, j;    IplImage tmp;    CvScalar s;    float sum = 0;     mat2.copyTo(mask);                                                                                                                   tmp = mask;    for(i=0; i< mat2.rows; i++){        for(j=0; j< mat2.cols; j++){            mask.at<float>(i,j) = (mat1.at<float>(i,j) + mat2.at<float>(i,j)) / 2;            if((i==0) && (j==0)){                sum = mask.at<float>(i,j);              }else{                sum = (sum + mask.at<float>(i,j)) / 2;            }        }       }    tmp = mat2;    cvZero(&tmp);     imshow("mask0", mask);    morphologyEx(mask, mat2, MORPH_CLOSE, Mat(5,5,CV_8U), Point(-1,-1), 1);    GaussianBlur(mat2, mask, Size(7,7), 0, 0);     tmp = mask;    for(i=0; i< mask.rows; i++){        for(j=0; j< mask.cols; j++){            s = cvGet2D(&tmp, i, j);            if(s.val[0] < sum){                s.val[0] = 0;                cvSet2D(&tmp, i, j, s);            }        }    }    imshow("mask", mask);}

　　对应的结果显示如下：

                    直接叠加                                          后处理结果