Opencv实现盲水印技术（三）——傅里叶变换算法及盲水印实现

前言

之前的文章中，介绍了如何构建Java工程和Java Web工程，本文将简单介绍对傅里叶变换的理解，以及使用opencv实现盲水印。关于傅里叶变换，有篇博文介绍的很详细，链接地址为：看了此文你还不了解傅里叶变换，你就过来掐死我吧！。

对图像傅里叶变换的理解

对图像进行傅里叶变换，起始是一个二维离散傅里叶变换，图像的频率是指图像灰度变换的强烈程度，将二维图像由空间域变为频域后，图像上的每个点的值都变成了复数，也就是所谓的复频域，通过复数的实部和虚部，可以计算出幅值和相位，计算幅值即对复数取模值，将取模值后的矩阵显示出来，即为其频谱图。但是问题来了，复数取模后，数字有可能变的很大，远大于255，如果数据超过255，则在显示图像的时候会都当做255来处理，图像就成了全白色。因此，一般会对模值再取对数，在在0~255的范围内进行归一化，这样才能够准确的反映到图像上，发现数据之间的差别，区分高频和低频分量，这也是进行傅里叶变换的意义。

opencv实现盲水印

废话不多说，先上代码。

public class DFTUtil {
	private static List<Mat> planes;
	private static Mat complexImage;
	
	private DFTUtil(){}
	private static final DFTUtil dftUtil = new DFTUtil();

	public static DFTUtil getInstance () {
		planes = new ArrayList<>();
		complexImage = new Mat();
		return dftUtil;
	}
	
	public Mat transformImage(Mat image) {
		// planes数组中存的通道数若开始不为空,需清空.
		if (!planes.isEmpty()) {
			planes.clear();
		}
		// optimize the dimension of the loaded image
		Mat padded = this.optimizeImageDim(image);
		padded.convertTo(padded, CvType.CV_32F);
		// prepare the image planes to obtain the complex image
		planes.add(padded);
		planes.add(Mat.zeros(padded.size