第OpenCV半小時掌握基本操作之傅里葉變換目錄概述高頻vs低頻傅里葉變換代碼詳解輸入轉(zhuǎn)換傅里葉變換獲取幅度譜傅里葉逆變換獲取低頻獲取高頻

概述

OpenCV是一個跨平臺的計算機視覺庫,支持多語言,功能強大.今天小白就帶大家一起攜手走進OpenCV的世界.

高頻vs低頻

高頻vs低頻:

高頻:變換劇烈的灰度分量,例如邊界

低頻:變換緩慢的灰度分量,例如一片大海

濾波:

低通濾波器:只保留低頻,會使得圖像模糊

高通濾波器:只保留高頻,會使得圖像細節(jié)增強

傅里葉變換

傅里葉變化(FourierTransform)是一種分析信號的方法.傅里葉變化可分析信號的成分,也可以用這些成分合成信號.

效果:

傅里葉變換:

傅里葉逆變換:

在OpenCV中實現(xiàn)傅里葉變換的函數(shù)是cv2.dft()和cv2.idft()(傅里葉逆變化)

代碼詳解

輸入轉(zhuǎn)換

傅里葉變換支持的輸入格式是np.float32,所以我們需要先把圖像轉(zhuǎn)換到要求的格式.

代碼實現(xiàn):

importnumpyasnp

importcv2

#讀取圖片,并轉(zhuǎn)換成灰度圖

img=cv2.imread("Mona_Lisa.jpg",cv2.IMREAD_GRAYSCALE)

print(img.dtype)#unit8數(shù)據(jù)類型

#轉(zhuǎn)換成np.float32

img_float32=np.float32(img)

print(img_float32.dtype)#float32數(shù)據(jù)類型

輸出結(jié)果:

uint8

float32

傅里葉變換

格式:

cv2.dft(src,dst=None,flags=None,nonzeroRows=None)

參數(shù):

src:輸入圖像

dst:輸出圖像,默認為None

flags:轉(zhuǎn)換標志(5種)

nonezeroRows:要處理的dst行數(shù),默認為None

返回值:

實部和虛部(雙通道)

實部:代表所有的偶函數(shù)(余弦函數(shù))的部分

虛部:代表所有的奇函數(shù)(正弦函數(shù))的部分

代碼實現(xiàn):

#傅里葉變換

dft=cv2.dft(img_float32,flags=cv2.DFT_COMPLEX_OUTPUT)

#中心轉(zhuǎn)換,將低頻挪到中心

dft_shift=np.fft.fftshift(dft)

獲取幅度譜

幅度譜(MagnitudeSpectrum),即從構(gòu)成波形的頻率側(cè)面看過去,每一個頻率分量都會在側(cè)面的投影,如圖:

通過```cv2.magnitude``我們可以極端二維矢量的幅值.

格式:

cv2.magnitude(x,y,magnitude=None)

參數(shù):

x:實部

y:虛部

代碼實現(xiàn):

#獲取幅度譜,映射到灰度空間[0,255]

magnitude_spectrum=20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))

#幅度譜展示

combine=np.hstack((img,magnitude_spectrum.astype(np.uint8)))

cv2.imshow("combine",combine)

cv2.waitKey(0)

cv2.destroyAllWindows()

輸出結(jié)果:

傅里葉逆變換

格式:

cv2.idft(src,dst=None,flags=None,nonzeroRows=None)

參數(shù):

src:輸入圖像

dst:輸出圖像,默認為None

flags:轉(zhuǎn)換標志(5種)

nonezeroRows:要處理的dst行數(shù),默認為None

返回值:

實部和虛部(雙通道)

實部:代表所有的偶函數(shù)(余弦函數(shù))的部分

虛部:代表所有的奇函數(shù)(正弦函數(shù))的部分

代碼實現(xiàn):

#獲取中心位置

rows,cols=img.shape

crow,ccol=int(rows/2),int(cols/2)

#低通濾波

mask=np.zeros((rows,cols,2),np.uint8)

mask[crow-30:crow+30,ccol-30:ccol+30]=1

#傅里葉逆變換

fshidt=dft_shift*mask

f_ishift=np.fft.ifftshift(fshidt)

img_back=cv2.idft(f_ishift)

獲取低頻

importnumpyasnp

importcv2

#讀取圖片,并轉(zhuǎn)換成灰度圖

img=cv2.imread("Mona_Lisa.jpg",cv2.IMREAD_GRAYSCALE)

print(img.dtype)#unit8數(shù)據(jù)類型

#轉(zhuǎn)換成np.float32

img_float32=np.float32(img)

print(img_float32.dtype)#float32數(shù)據(jù)類型

#傅里葉變換

dft=cv2.dft(img_float32,flags=cv2.DFT_COMPLEX_OUTPUT)

#中心轉(zhuǎn)換,將低頻挪到中心

dft_shift=np.fft.fftshift(dft)

#獲取幅度譜

magnitude_spectrum=20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))

#幅度譜展示

combine=np.hstack((img,magnitude_spectrum.astype(np.uint8)))

cv2.imshow("combine",combine)

cv2.waitKey(0)

cv2.destroyAllWindows()

#獲取中心位置

rows,cols=img.shape

crow,ccol=int(rows/2),int(cols/2)

#低通濾波

mask=np.zeros((rows,cols,2),np.uint8)

mask[crow-30:crow+30,ccol-30:ccol+30]=1

fshidt=dft_shift*mask

f_ishift=np.fft.ifftshift(fshidt)

#傅里葉逆變換,獲取低頻圖像

img_back=cv2.idft(f_ishift)

img_back=cv2.magnitude(img_back[:,:,0],img_back[:,:,1])

#結(jié)果展示

img_back=255*cv2.normalize(img_back,None,norm_type=cv2.NORM_MINMAX,dtype=cv2.CV_32F)#標準化

result=np.hstack((img,img_back.astype(np.uint8)))

cv2.imshow("result",result)

cv2.waitKey(0)

cv2.destroyAllWindows()

輸出結(jié)果:

獲取高頻

importnumpyasnp

importcv2

#讀取圖片,并轉(zhuǎn)換成灰度圖

img=cv2.imread("Mona_Lisa.jpg",cv2.IMREAD_GRAYSCALE)

print(img.dtype)#unit8數(shù)據(jù)類型

#轉(zhuǎn)換成np.float32

img_float32=np.float32(img)

print(img_float32.dtype)#float32數(shù)據(jù)類型

#傅里葉變換

dft=cv2.dft(img_float32,flags=cv2.DFT_COMPLEX_OUTPUT)

#中心轉(zhuǎn)換,將低頻挪到中心

dft_shift=np.fft.fftshift(dft)

#獲取幅度譜

magnitude_spectrum=20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))

#幅度譜展示

combine=np.hstack((img,magnitude_spectrum.astype(np.uint8)))

cv2.imshow("combine",combine)

cv2.waitKey(0)

cv2.destroyAllWindows()

#獲取中心位置

rows,cols=img.shape

crow,ccol=int(rows/2),int(cols/2)

#高通濾波

mask=np.ones((rows,cols,2),np.uint8)

mask[crow-30:crow+30,ccol-30:ccol+30]=0

fshidt=dft_shift*mask

f_ishift=np.fft.ifftshift(fshidt)

#傅里葉逆變換,獲取高頻圖像

img_back=cv2.idft(f_ishift)

img_back=cv2.magnitude(img_back[:,:,0],img_back[:,:,1])

#結(jié)果展示