OpenCV-Python使用cv2实现傅里叶变换
前言
在前一篇的博文中，我们详细讲解了傅里叶变换的原理以及使用Numpy库实现傅里叶变换。但是其实OpenCV有直接实现傅里叶变换的函数。
在OpenCV中，我们通过cv2.dft()来实现傅里叶变换，使用cv2.idft()来实现逆傅里叶变换。两个函数的定义如下：
cv2.dft(原始图像，转换标识)
这里的原始图像必须是np.float32格式。所以，我们首先需要使用cv2.float32()函数将图像转换。而转换标识的值通常为cv2.DFT_COMPLEX_OUTPUT，用来输出一个复数阵列。
经过cv2.dft()函数的变换后，我们会得到原始图像的频谱信息。此时零分量与Numpy库实现一样都不在中心位置。这里我们还是需要使用numpy.fft.fftshift()函数将其移动到中间位置。
需要特别注意的是，函数cv2.dft()返回值是双通道的，第1个通道是结果的实数部分，第2个通道是结果的虚数部分。使用numpy.fft.fftshift()函数处理后，频谱图像还只是一个由实部和虚部构成的值，要显示出来，要使用到另一个函数cv2.magnitude()。
该函数的定义如下：
cv2.magnitude(参数1，参数2)
参数1：浮点型x坐标值，也就是实部
参数2：浮点型y坐标值，也就是虚部，它必须和参数1具有相同的大小（size）
得到频谱图像的幅度之后，还需要将幅度映射到灰度空间[0,255]内，使其以灰度图像显示出来。与前篇博文一样，使用20*np.log(cv2.magnitude())。
实现傅里叶变换
下面，我们来通过上述OpenCV函数来实现傅里叶变换，并显示其频谱信息。
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread("4.jpg", 0)
dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
dftShift = np.fft.fftshift(dft)
result = 20 * np.log(cv2.magnitude(dftShift[:, :, 0], dftShift[:, :, 1]))
plt.subplot(121)
plt.imshow(img, cmap="gray")
plt.axis('off')
plt.subplot(122)
plt.imshow(result, cmap="gray")
plt.axis('off')
plt.show()
运行之后，显示效果与前篇博文一样。
实现逆傅里叶变换
还是与上篇博文一样，这里我们过滤图像的频谱信息，这里我们过滤低频信息。
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread("4.jpg", 0)
dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
dftShift = np.fft.fftshift(dft)
result = 20 * np.log(cv2.magnitude(dftShift[:, :, 0], dftShift[:, :, 1]))
rows,cols=img.shape
rows_half,cols_half=int(rows/2),int(cols/2)
mask=np.zeros((rows,cols,2),dtype=np.uint8)
mask[rows_half-30:rows_half+30,cols_half-30:cols_half+30]=1
#逆傅里叶变换
fShift=dftShift*mask
ishift=np.fft.ifftshift(fShift)
iimg=cv2.idft(ishift)
iimg=cv2.magnitude(iimg[:,:,0],iimg[:,:,1])
plt.subplot(121)
plt.imshow(img, cmap="gray")
plt.axis('off')
plt.subplot(122)
plt.imshow(iimg, cmap="gray")
plt.axis('off')
plt.show()
运行之后，效果如下：
可以看到过滤低频信息后，图像的边缘信息被消弱了。
到此这篇关于OpenCV-Python使用cv2实现傅里叶变换的文章就介绍到这了,更多相关OpenCV 傅里叶变换内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了python音频处理的示例详解,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-12-12
在Python中截取字符串的方法非常简单易懂,你只需要使用字符串的索引即可实现,这篇文章主要给大家介绍了关于Python中截取字符串几种常用的方法,文中通过代码介绍的非常详细,需要的朋友可以参考下2024-05-05
在本篇文章中小编给大家分享的是关于pycharm重命名文件的方法步骤，对此有需要的朋友们可以学习参考下。2019-07-07
这篇文章主要介绍了pytho传参kwargs及用法,函数传参的时候简化传参形式,无需指定参数名,本文结合实例代码讲解的非常详细,需要的朋友参考下吧2024-05-05
这篇文章主要介绍了Python语言中数据类型支持得运算符，Python语言提供了丰富的内置数据类型。用于有效的处理各种类型的数据,下文将介绍到其数据类型支持的运算符等相关内容,需要的朋友可以参考一下2022-02-02
这篇文章主要介绍了python中常见进制之间的转换方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-05-05
Pytorch 使用Google Colab训练神经网络深度学习
本文以VOC数据集为例，因此在训练的时候没有修改classes_path等，如果是训练自己的数据集，各位一定要注意修改classes_path等其它参数2022-04-04
数据分析与可视化是当今数据分析的发展方向,大数据时代,数据资源具有海量特征,数据分析和可视化主要通过Python数据分析来实现,本文给大家介绍了如何基于Python实现的影视数据智能分析系统,文中给出了部分详细代码,感兴趣的朋友跟着小编一起来看看吧2024-01-01
使用注册表的主要优势是可以在运行时动态创建对象,从而实现高度可配置和可扩展的设计,这篇文章主要介绍了python如何通过注册表动态管理组件,需要的朋友可以参考下2024-05-05
python中torch.nn.identity()方法详解
今天看源码时遇到的这个恒等函数,就如同名字那样占位符,并没有实际操作,下面这篇文章主要给大家介绍了关于python中torch.nn.identity()方法的相关资料,需要的朋友可以参考下2022-03-03
最新评论