Python_opencv_傅里葉變換

傅里葉變化

• 含義： 與時域對比，傅里葉變化更關心的是在頻率域所發生的事情

傅里葉變化的作用

• 高頻 變化劇烈的灰度分量 比如圖像邊界
• 低頻 變化緩慢的灰度分量 灰度均勻區域

濾波

• 低通濾波器： 只保留低頻信息 邊界會模糊
• 高通濾波器： 只保留高頻信息 增強圖像細節

示例

• 對圖像進行傅里葉變換，並顯示

img = cv2.imread(r"E:\2019PythonProject\OpencvTest\123.jpg",0)
# 圖像數據要轉換成float32
img_float32 = np.float32(img)
#進行傅里葉變換
dft = cv2.dft(img_float32,flags = cv2.DFT_COMPLEX_OUTPUT)
# 將低頻信息轉換至圖像中心
dft_shift = np.fft.fftshift(dft)
# 傅里葉變換后的數據是由實部虛部構成的，需要進行轉換成圖像格式才能顯示(0,255)
magnitude = 20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))
plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.subplot(122),plt.imshow(magnitude,cmap='gray')
plt.show()

• 在傅里葉變換后，利用高通濾波器獲取圖像邊緣

# 獲取圖像尺寸 與 中心坐標
rows,cols = img.shape
crow,ccol = int(rows/2),int(cols/2)
# 創建高通掩碼
mask = np.ones((rows,cols,2),np.uint8)
mask_size = 20
mask[crow - mask_size:crow +mask_size, ccol -mask_size:ccol+mask_size] = 0
# 掩碼與傅里葉圖像按位相乘  去除低頻區域
fshift = dft_shift * mask
# 之前把低頻轉換到了圖像中間，現在需要重新轉換回去
f_ishift = np.fft.ifftshift(fshift)
# 傅里葉逆變換
img_back = cv2.idft(f_ishift)
img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1])
plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.subplot(122),plt.imshow(img_back,cmap='gray')
plt.show()