如何用Python提取图像中模糊重复的图案？

针对提取模糊重复图案并去除其他特征的需求，可通过频域分析（傅里叶变换）或模板匹配+形态学优化两种思路实现，以下是具体步骤和代码示例：

方法一：傅里叶变换检测重复图案周期 #

重复图案在频域会呈现规律性峰值，通过过滤噪声、保留周期信号后逆变换回空域，即可提取目标图案。

步骤说明 #

1. 将图像转为灰度图简化处理
2. 执行傅里叶变换得到频域图像
3. 构建掩码保留周期信号、过滤无关噪声
4. 逆傅里叶变换还原空域图像
5. 阈值化得到清晰的提取结果

代码示例 #

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

# 读取图像并转为灰度图
img = cv2.imread("ONKc3.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 傅里叶变换
f = np.fft.fft2(gray)
fshift = np.fft.fftshift(f)
magnitude = 20 * np.log(np.abs(fshift))

# 构建频域掩码：保留重复图案对应的周期信号（可根据图像调整范围）
rows, cols = gray.shape
crow, ccol = rows // 2, cols // 2
mask = np.zeros((rows, cols), np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 0  # 屏蔽中心低频噪声
mask[crow-100:crow+100, ccol-100:ccol+100] = 1  # 保留周期信号区域

# 应用掩码并逆变换
fshift_filtered = fshift * mask
f_ishift = np.fft.ifftshift(fshift_filtered)
img_back = np.fft.ifft2(f_ishift)
img_back = np.abs(img_back)

# 阈值化提取清晰图案
_, result = cv2.threshold(img_back.astype(np.uint8), 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 展示结果
plt.subplot(131), plt.imshow(gray, cmap='gray')
plt.title('原始灰度图'), plt.xticks([]), plt.yticks([])
plt.subplot(132), plt.imshow(magnitude, cmap='gray')
plt.title('频域图'), plt.xticks([]), plt.yticks([])
plt.subplot(133), plt.imshow(result, cmap='gray')
plt.title('提取的重复图案'), plt.xticks([]), plt.yticks([])
plt.show()

方法二：模板匹配+形态学处理 #

若能手动截取单个重复图案作为模板，可通过多尺度匹配定位所有实例，再用形态学操作优化结果。

步骤说明 #

1. 从原图截取清晰的单个重复图案作为模板
2. 多尺度模板匹配定位所有目标区域
3. 用形态学闭运算合并零散匹配结果
4. 通过掩码提取最终的重复图案

代码示例 #

import cv2
import numpy as np

# 读取图像和手动截取的模板
img = cv2.imread("ONKc3.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
template = cv2.imread("template.png", 0)
w, h = template.shape[::-1]

# 多尺度模板匹配，覆盖图案可能的缩放差异
result_mask = np.zeros_like(gray)
scale_range = np.linspace(0.8, 1.2, 10)
for scale in scale_range:
    resized_template = cv2.resize(template, (int(w*scale), int(h*scale)))
    res = cv2.matchTemplate(gray, resized_template, cv2.TM_CCOEFF_NORMED)
    threshold = 0.6  # 匹配阈值，需根据实际调整
    loc = np.where(res >= threshold)
    # 标记所有匹配区域
    for pt in zip(*loc[::-1]):
        cv2.rectangle(result_mask, pt, (pt[0] + int(w*scale), pt[1] + int(h*scale)), 255, -1)

# 形态学优化：合并相邻的匹配区域
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
result_mask = cv2.morphologyEx(result_mask, cv2.MORPH_CLOSE, kernel)

# 提取最终图案
extracted_img = cv2.bitwise_and(img, img, mask=result_mask)

# 展示结果
cv2.imshow("原始图像", img)
cv2.imshow("提取的重复图案", extracted_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键提示 #

• 傅里叶变换适合重复图案周期规律的场景，无需手动制作模板
• 模板匹配更灵活，可适配图案轻微变形的情况，但需手动截取模板
• 可结合你之前尝试的HSV/YCrCb颜色空间转换，先增强图案与背景的对比度，再用上述方法处理

内容的提问来源于stack exchange，提问作者BFAOZ