傅里叶变换:
作用:
- 高频:变化剧烈的灰度分量,例如边界;
- 低频:变化缓慢的灰度分量,例如大海
滤波:
- 低通滤波器:只保留低频,会使图像模糊
- 高通滤波器:只保留高频,会使图像细节增强
opencv中主要就是 cv2.dft() 和c v2.idft() ,输入图像需要先转换为np.floa32的格式;
得到的结果中,频率为0的部分会在左上角,通常需要转换到中心位置,可以通过shift变换来实现
cv2.dft() 返回的结果是双通道的(实部, 虚部),通常还要转换成图像格式才能展示(0,255)
"""傅里叶变换 import cv2 from matplotlib import pyplot as plt import numpy as np def cv_show(img,name): cv2.imshow(name,img) cv2.waitKey(0) cv2.destroyAllWindows() img = cv2.imread('C:/Users/hellou/Desktop/self-image.jpg',0) img = cv2.resize(img,(600,600)) img_float32 = np.float32(img) dft = cv2.dft(img_float32,flags=cv2.DFT_COMPLEX_OUTPUT)#执行傅里叶变换 # #将低频全部转换到中心位置,越高频越往外发散 #参数说明: img表示输入的图片, cv2.DFT_COMPLEX_OUTPUT表示进行傅里叶变化的方法 dft_shift = np.fft.fftshift(dft) #得到灰度图能表示的形式 '''np.fft.fftshift(img) 将图像中的低频部分移动到图像的中心 参数说明:img表示输入的图片''' magnitude_spectrum = 20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1])) #对两个通道进行转换,但转化完的结果是非常小的数值,所以通过上面的公式映射到0到255之间 plt.subplot(121),plt.imshow(img, cmap='gray') plt.title('Input Image'),plt.xticks([]),plt.yticks([]) plt.subplot(122),plt.imshow(magnitude_spectrum, cmap='gray') plt.title('Magnitude Spectrum'),plt.xticks([]),plt.yticks([]) plt.show() """ cv2.magnitude(x, y) 将sqrt(x^2 + y^2) 计算矩阵维度的平方根 参数说明:需要进行x和y平方的数 np.fft.ifftshift(img) # 进图像的低频和高频部分移动到图像原来的位置 参数说明:img表示输入的图片 cv2.idft(img) # 进行傅里叶的逆变化 参数说明:img表示经过傅里叶变化后的图片"""
标签:十一,plt,img,dft,cv2,笔记,opencv,np,傅里叶 From: https://www.cnblogs.com/hellou/p/17502662.html