Bragg Filter · FFT
布拉格滤波 · FFT 晶格增强
经典 FFT 方法：Anscombe 方差稳定 → NLM 去噪 → CLAHE 底图 → 识别功率谱中的布拉格斑 → 软掩模逆变换 → 底图与纯周期信号 α 加权融合。无神经网络、无训练分布依赖， 适合有清晰周期晶格的高倍原子分辨像。
U-Net 去噪崩掉的图（输出发虚 / 丢晶格）请用本工具；本工具适合有清晰周期晶格的高倍原子分辨像。需要神经网络去噪？→
U-Net 原子像去噪
示例效果
原始 HAADF-STEM（探测器噪声遮盖原子柱）
布拉格滤波后（周期晶格信号增强）
上传 STEM 图像 → Anscombe+NLM → CLAHE 底图 → FFT 布拉格斑识别 → 逆变换 α 融合
点击或拖入图像文件
支持 DM3 · DM4 · EMD · MRC · TIF · PNG · JPG
DM4
-
-
处理模式
叠加增强：真实去噪原图为底，布拉格只把原子点提清晰，保留自然观感（适合大多数图） |
经典合成：重建理想周期点阵，仅适合点阵很规整的简单像
布拉格强度 α
0.0 = 纯去噪原图 |
0.7 = 推荐 |
1.5 = 最强点阵增强
原子柔和度
0 = 锐利（原子边缘陡、衬度强） |
0.45 = 推荐 |
1 = 柔和（原子→背景平滑高斯过渡，消除衬度突变硬边）
¥3.00 / 次 · 会员无限使用
正在处理中，请稍候…
⏳ 读取并归一化输入图像
⏳ Anscombe 变换 + NLM 去噪
⏳ CLAHE 底图 + FFT 布拉格斑识别
⏳ 软掩模逆变换 + α 加权融合