光谱和空间测量清晰度 - 如何计算幅度光谱的斜率

Question

我正在尝试从本文中实现S1度量（III -A节的光谱度量）。在这里，我们必须计算图像的幅度光谱的斜率（alpha），以测量清晰度。我能够编写算法的另一部分，但无法计算斜率。这是我的代码。函数'alpha'是我计算幅度_spectrum的地方，我认为使用它可以计算斜率，但不确定如何做 -

def aplha(image_block):
    img_float32 = np.float32(image_block)
    dft = cv2.dft(img_float32, flags = cv2.DFT_COMPLEX_OUTPUT)
    dft_shift = np.fft.fftshift(dft)
    magnitude_spectrum = 20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))
    return output (??)

其余代码：

def S1_calc(alpha):
    tou1 = -3
    tou2 = 2
    output = 1 - (1 / (1 + np.exp(tou1 * (alpha - tou2))))
    return output
def lx(image_block):
    b = 0.7656
    k = 0.0364
    y = 2.2
    return np.power((b + k * image_block), y)
def contrast(lx_val):
    T1 = 5
    T2 = 2
    max_val = np.max(lx_val)
    min_val = np.min(lx_val)
    mean_val = np.mean(lx_val)
    return (((max_val - min_val) < T1) or (mean_val < T2))
def image_gray(image_RGB):
    output = (0.2989 * image_RGB[:,:,0] +
              0.5870 * image_RGB[:,:,1] +
              0.1140 * image_RGB[:,:,2])
    return output
def S1(gray_image, m = 32, d = 24):
    ### SPECTRAL MEASURE OF SHARPNESS ###
    # m = each block size
    # d = overlapping pixels of neighbouring blocks
    h,w = gray_image.shape
    output = gray_image.copy()
    row = 0
    while (row < h):
        col = 0
        while (col < w):
            top = row
            bottom = min(row + m, h)
            left = col
            right = min(col + m, w)
            image_block = gray_image[top : bottom, left : right]
            lx_val = lx(image_block)
            contrast_bool = contrast(lx_val)
            if contrast_bool==True:
                output[top : bottom, left : right] = 0
            else:
                alpha_val = aplha(image_block)
                output[top : bottom, left : right] = S1_calc(alpha_val)
            col = col + m - d
        row = row + m - d
    return output

正在使用jupyter笔记本，python 3.6

Answer 1

您可以检查此MATLAB代码。另请参阅另一个MATLAB代码。

根据后一个，我们需要知道freq和power值，然后我们可以使用线性函数拟合这两个VAR，该行的斜率是我们需要的。我们可以使用np.polyfit的斜率。

现在，我们的问题是如何获取图像的freq，您可以做到这一点：

from skimage.data import camera
import numpy as np
image = camera()
height, width = image.shape
u, v = np.meshgrid(np.arange(height // 2), np.arange(width // 2))
freq = np.round(np.sqrt(u**2 + v**2)).astype(np.int64)

现在freq应该与输入图像的FFT变换相同。您需要总结magnitude_spectrum具有相同freq的所有值，例如：

freq_uniq = np.unique(freq.flatten())
y = []
for value in f_uniq:
  y.append(magnitude_spectrum[f == value].sum())
y = np.array(y)

最后，您可以拟合freq_uniq和y并获得斜率。您可能需要先用np.log进行缩放。