| 查看: 2896 | 回复: 3 | ||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | ||
[求助]
请问如何滤除AFM图像中的干涉条纹噪音
|
||
小弟刚做材料表面的AFM分析，不知道是不是仪器的问题还是设置参数不对，tapping模式空气中扫描样品图像的过程中出现了很深的干涉条纹（一道道的有规则形状的干涉条纹）。，当时百度的时候有回答说先扫描，之后可以用软件滤除的。但是找了很多方法都不能很好的去除（主要原因是我对图像处理软件原理一窍不通，FFT也不知道是什么回事）。请问各位大牛是用什么软件或者怎样处理可以滤除掉这些干涉条纹啊？ Height Sensor2.jpg |
回复此楼» 本帖@通知
» 猜你喜欢
济南大学国家优青课题组 2026 调剂招生来啦
已经有0人回复
-
武汉纺织大学_化学院官方调剂群-院士团队招生-学生自由度高发展好-欢迎各位同学
已经有0人回复
-
金属材料论文润色/翻译怎么收费?
已经有82人回复
-
西华大学 化学 调剂有名额
已经有0人回复
-
上海应用技术大学招生调剂研究生
已经有8人回复
-
南京晓庄学院绿色能源材料团队招生
已经有0人回复
-
南京晓庄学院绿色能源材料团队招生
已经有0人回复
-
北方工业大学储能技术-02电化学储能与氢能方向招收2026级二次调剂学生
已经有0人回复
» 本主题相关商家推荐: (我也要在这里推广)
renzhetu001
金虫 (小有名气)
- 应助: 0 (幼儿园)
- 金币: 1301.9
- 帖子: 110
- 在线: 293.8小时
- 虫号: 2132225
- 注册: 2012-11-17
- 性别: GG
- 专业: 同步辐射技术及其应用
4楼2014-10-31 21:30:14
renzhetu001
金虫 (小有名气)
- 应助: 0 (幼儿园)
- 金币: 1301.9
- 帖子: 110
- 在线: 293.8小时
- 虫号: 2132225
- 注册: 2012-11-17
- 性别: GG
- 专业: 同步辐射技术及其应用
|
不是来应助的，只是说说自己对这个问题的想法，大神们可以继续应助（嗯，我就是来打酱油的） 这里处理的图像是黑白的（彩色的要麻烦很多），不过原数据应该不存在这个问题 http://pan.baidu.com/s/1o68zf9g 文件名（filter noise1.jpg） 首先，随便找一款软件，应该是任意一款AFM 的读取软件都行，这里使用的是ImageJ（一般来讲不是用来处理AFM图片的，但是原理是一致的） 找到Process》FFT》FFT对原图进行傅里叶变换得到下图 文件名（FFT of filter noise 1.jpg） 将属于噪音的部分涂黑（其实应该用interpolation算一下，不应直接归零，我嫌麻烦就没做，你可以试试），有图如下 文件名（FFT of filter noise.jpg） 找到Process》FFT》FFT把改过的这张图变回去，就可以了 文件名（Inverse FFT of filter noise.jpg） 如嫌麻烦可以把周期在噪音以下（这张图中20个pixel）的都滤去， 找到Process》FFT》Bandpass filter, Filter large structures down to 400pixels Filter small structures up to 21pixels 得到下图 http://pan.baidu.com/s/1mgMatKk 关于理想情况下噪音是个正交函数（周期20pixels）的情况我做了以下计算 文件名（Inverse FFT of filter noise.jpg） 图中第一列为原图和他的傅里叶变换 第二列为添加噪音后的图和他的傅里叶变换 比较可以发现傅里叶变换后噪音峰的频率 该处用周围的强度替换，进行傅里叶变换 得到第三列的图 和原图一致（因显示问题图颠倒了） 具体原理可用如下python程序说明 #!/usr/local/bin/python2.7.3 -tttt import numpy import matplotlib.pyplot as plt import random crosssection=numpy.zeros((521, 521), dtype=complex)+1 position=numpy.random.randint(20,355, size=(2, 10)) for i in range(10): crosssection[position[0, i]-20:position[0, i]+20,position[1, i]-15:position[1, i]+15]=random.randint(1,10) plt.subplot(3,2,1) plt.imshow(numpy.absolute(crosssection),cmap=plt.cm.gray) imgfft=numpy.fft.fft2(crosssection) imgfft=numpy.fft.fftshift(imgfft) plt.subplot(3,2,2) plt.imshow(numpy.log10(numpy.absolute(imgfft)+1),cmap=plt.cm.gray) noise=numpy.sin(numpy.arange(521*521,dtype=complex)*numpy.pi/10).reshape((521,521))*4 crosssection=crosssection+noise plt.subplot(3,2,3) plt.imshow(numpy.absolute(crosssection),cmap=plt.cm.gray) imgfft=numpy.fft.fft2(crosssection) imgfft=numpy.fft.fftshift(imgfft) plt.subplot(3,2,4) plt.imshow(numpy.log10(numpy.absolute(imgfft)+1),cmap=plt.cm.gray) imgphase=numpy.angle(imgfft) imgintensity=numpy.absolute(imgfft) imgintensity[:,233:235]=imgintensity[:,230:232] imgintensity[:,285:287]=imgintensity[:,288:290] imgintensity[233:235,:]=imgintensity[230:232,:] imgintensity[288:290,:]=imgintensity[288:290,:] imgfftcal=numpy.multiply(numpy.absolute(imgintensity), numpy.exp(1j*imgphase)) plt.subplot(3,2,6) plt.imshow(numpy.log10(numpy.absolute(imgfftcal)+1),cmap=plt.cm.gray) imgcal=numpy.fft.fft2(imgfftcal) plt.subplot(3,2,5) plt.imshow(numpy.absolute(imgcal),cmap=plt.cm.gray) plt.show() |
2楼2014-10-30 20:23:05
3楼2014-10-31 16:48:18
