2020-12-26

最新推荐文章于 2024-10-20 20:14:58 发布
最新推荐文章于 2024-10-20 20:14:58 发布
阅读量1.2k 收藏 2
点赞数 3
分类专栏： 傅里叶变换 快速傅里叶变换 文章标签： 傅立叶分析 c++ 机器学习 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Abai_y/article/details/111726174
版权

数字图像处理（傅里叶变换，可分离的傅里叶变换）

1.（简单）傅里叶变换

下图是傅里叶正反变换的原理
![!在这里插入图片描述](https://img-blog.csdnimg.cn/20201226114836157.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FiYWlfeQ==,size_16,color_FFFFFF,t_70我这里用的是C++的MFC来实现的二维傅里叶变换，包括傅里叶正变换，反变换，在傅里叶正变换之后还输出来图像变换到频域的频谱，根据频谱可以对图像的噪声类型做进一步判断，并可以根据频谱图设计相应的滤波器（这里我没做，只是提供一下思路）。废话不多说，直接上代码。
注意：
1.用MFC的时候要先写打开图像文件的函数，我这里用的是CImage来写的。
2. 要用的话最好就是正反变换配套使用
这是正变换的函数：

在这里插入代码片void CExImage1View::OnFuliye()
{
	// TODO: 在此添加命令处理程序代码
	int iImageWidth = m_Image.GetWidth();
	int iImageHeight = m_Image.GetHeight();
	std::vector<double>mode;

	for (int i = 0; i < iImageWidth * iImageHeight; i++)
	{
		fRealPart.push_back(0.0);
		fImgPart.push_back(0.0);
	}
	for (int v = 0; v < iImageHeight; v++)
	{
		for (int u = 0; u < iImageWidth; u++)
		{
			double fTempReal = 0.0, fTempIng = 0.0;
			for (int y = 0; y < iImageHeight; y++)
			{
				for (int x = 0; x < iImageWidth; x++)
				{
					fTempReal += pow(-1.0, x + y) * (double)*(BYTE*)m_Image.GetPixelAddress(x, y) * cos(2.0 * PI * ((double)u * x
						/ (double)iImageWidth + (double)v * y / (double)iImageHeight)) / ((double)iImageHeight * iImageWidth);

					fTempIng += -pow(-1.0, x + y) * (double)*(BYTE*)m_Image.GetPixelAddress(x, y) * sin(2.0 * PI * ((double)u * x
						/ (double)iImageWidth + (double)v * y / (double)iImageHeight)) / ((double)iImageHeight * iImageWidth);

				}
			}
			fRealPart[(size_t)v * iImageWidth + u] = fTempReal;
			fImgPart[(size_t)v * iImageWidth + u] = fTempIng;
			mode.push_back(log(sqrt(pow(fRealPart[(size_t)v * iImageWidth + u], 2) + pow(fImgPart[(size_t)v * iImageWidth + u], 2)) + 1));
		}
	}
	double min = mode[0], max = mode[0];
	for (int v = 0; v < iImageHeight; v++)
	{
		for (int u = 0; u < iImageWidth; u++)
		{

			if (max < mode[(size_t)v * iImageWidth + u])
				max = mode[(size_t)v * iImageWidth + u];
			if (min > mode[(size_t)v * iImageWidth + u])
				min = mode[(size_t)v * iImageWidth + u];
		}
	}
	double difference = max - min;

	for (int v = 0; v < iImageHeight; v++)
	{
		for (int u = 0; u < iImageWidth; u++)
		{
			mode[(size_t)v * iImageWidth + u] = (mode[(size_t)v * iImageWidth + u] - min) / difference * 255;
		}
	}
	for (int y = 0; y < iImageHeight; y++)
		for (int x = 0; x < iImageWidth; x++)
			*(byte*)m_Image.GetPixelAddress(x, y) = (byte)mode[(size_t)y * iImageWidth + x];
	Invalidate();
	MessageBox(_T("傅里叶正变换，完成,输出图像频谱"));
}

这是傅里叶反变换的代码：

void CExImage1View::OnFanbianhuan()
{
	// TODO: 在此添加命令处理程序代码
	int iImageWidth = m_Image.GetWidth();
	int iImageHeight = m_Image.GetHeight();
	for (int y = 0; y < iImageHeight; y++)
	{
		for (int x = 0; x < iImageWidth; x++)
		{
			double fTempReal = 0.0, fTempIng = 0.0;
			for (int v = 0; v < iImageHeight; v++)
			{
				for (int u = 0; u < iImageWidth; u++)
				{
					fTempReal += fRealPart[(size_t)v * iImageWidth + u] * cos(2.0 * PI * ((double)u * x / (double)iImageWidth + (double)v * y / (double)iImageHeight)) -
						fImgPart[(size_t)v * iImageWidth + u] * sin(2.0 * PI * ((double)u * x / (double)iImageWidth + (double)v * y / (double)iImageHeight));
					fTempIng += fImgPart[(size_t)v * iImageWidth + u] * cos(2.0 * PI * ((double)u * x / (double)iImageWidth + (double)v * y / (double)iImageHeight)) +
						fRealPart[(size_t)v * iImageWidth + u] * sin(2.0 * PI * ((double)u * x / (double)iImageWidth + (double)v * y / (double)iImageHeight));

				}
			}
			fTempReal = pow(-1.0, x + y) * fTempReal;
			fTempIng = pow(-1.0, x + y) * fTempIng;
			*(BYTE*)m_Image.GetPixelAddress(x, y) = (BYTE)(sqrt(pow(fTempReal, 2) + pow(fTempIng, 2)));
		}
	}
	Invalidate();
	MessageBox(_T("傅里叶反变换，完成"));
}

2.（快速）可分离傅里叶变换

可分离傅里叶正变换：

std::vector<double>fRealPart1, fImgPart1, fRealPart2, fImgPart2, fRealPart3, fImgPart3;
void CExImage1View::OnFuliyekuaiz()
{
	// TODO: 在此添加命令处理程序代码
	std::vector<double>mode;
	int iImageWidth = m_Image.GetWidth();
	int iImageHeight = m_Image.GetHeight();
	int x, y, u, v;
	for (int i = 0; i < iImageWidth * iImageHeight; i++)
	{
		fRealPart1.push_back(0.0);
		fImgPart1.push_back(0.0);
		fRealPart2.push_back(0.0);
		fImgPart2.push_back(0.0);
		fRealPart3.push_back(0.0);
		fImgPart3.push_back(0.0);
	}

	for (v = 0; v < iImageHeight; v++)
	{
		for (x = 0; x < iImageWidth; x++)
		{
			double fTempReal = 0.0, fTempImg = 0.0;
			for (y = 0; y < iImageHeight; y++)
			{
				fTempReal += pow(-1.0, y) * (double)*(BYTE*)m_Image.GetPixelAddress(x, y) *
					cos(-2.0 * PI * ((double)v * y / (double)iImageHeight)) / ((double)iImageWidth * iImageHeight);
				fTempImg += pow(-1.0, y) * (double)*(BYTE*)m_Image.GetPixelAddress(x, y) *
					sin(-2.0 * PI * ((double)v * y / (double)iImageHeight)) / ((double)iImageWidth * iImageHeight);
			}
			fRealPart1[(size_t)v * iImageWidth + x] = fTempReal;
			fImgPart1[(size_t)v * iImageWidth + x] = fTempImg;
		}
	}
	for (v = 0; v < iImageHeight; v++)
	{
		for (u = 0; u < iImageWidth; u++)
		{
			double fTempReal = 0.0, fTempImg = 0.0;
			for (x = 0; x < iImageWidth; x++)
			{
				fTempReal += pow(-1.0, x) * ((double)fRealPart1[(size_t)v * iImageWidth + x] *
					cos(-2.0 * PI * ((double)u * x / (double)iImageWidth)) - fImgPart1[(size_t)v * iImageWidth + x] *
					sin(-2.0 * PI * ((double)u * x / (double)iImageWidth)));
				fTempImg += pow(-1.0, x) * ((double)fRealPart1[(size_t)v * iImageWidth + x] *
					sin(-2.0 * PI * ((double)u * x / (double)iImageWidth)) + fImgPart1[(size_t)v * iImageWidth + x] *
					cos(-2.0 * PI * ((double)u * x / (double)iImageWidth)));
			}
			fRealPart2[(size_t)v * iImageWidth + u] = fTempReal;
			fImgPart2[(size_t)v * iImageWidth + u] = fTempImg;
			mode.push_back(log(sqrt(pow(fRealPart2[(size_t)v * iImageWidth + u], 2) + pow(fImgPart2[(size_t)v * iImageWidth + u], 2)) + 1));
		}
	}

	double min = mode[0], max = mode[0];
	for (int v = 0; v < iImageHeight; v++)
	{
		for (int u = 0; u < iImageWidth; u++)
		{

			if (max < mode[(size_t)v * iImageWidth + u])
				max = mode[(size_t)v * iImageWidth + u];
			if (min > mode[(size_t)v * iImageWidth + u])
				min = mode[(size_t)v * iImageWidth + u];
		}
	}
	double difference = max - min;

	for (int v = 0; v < iImageHeight; v++)
	{
		for (int u = 0; u < iImageWidth; u++)
		{
			*(byte*)m_Image.GetPixelAddress(u, v) = (byte)((mode[(size_t)v * iImageWidth + u] - min) / difference * 255);
		}
	}
	Invalidate();
	MessageBox(_T("可分离傅里叶正变换,完成，输出图像频谱"));
}

可分离傅里叶反变换：

void CExImage1View::OnFuliyekuaif()
{
	// TODO: 在此添加命令处理程序代码
	int iImageWidth = m_Image.GetWidth();
	int iImageHeight = m_Image.GetHeight();
	int x, y, u, v;
	for (u = 0; u < iImageWidth; u++)
	{
		for (y = 0; y < iImageHeight; y++)
		{
			double fTempReal = 0.0, fTempIng = 0.0;
			for (v = 0; v < iImageHeight; v++)
			{
				fTempReal += fRealPart2[(size_t)v * iImageWidth + u] * cos(2.0 * PI * ((double)v * y / (double)iImageHeight)) -
					fImgPart2[(size_t)v * iImageWidth + u] * sin(2.0 * PI * ((double)v * y / (double)iImageHeight));
				fTempIng += fImgPart2[(size_t)v * iImageWidth + u] * cos(2.0 * PI * ((double)v * y / (double)iImageHeight)) +
					fRealPart2[(size_t)v * iImageWidth + u] * sin(2.0 * PI * ((double)v * y / (double)iImageHeight));

			}
			fTempReal = pow(-1.0, v) * fTempReal;
			fTempIng = pow(-1.0, v) * fTempIng;
			fRealPart3[(size_t)y * iImageWidth + u] = fTempReal;
			fImgPart3[(size_t)y * iImageWidth + u] = fTempIng;
		}
	}


	for (y = 0; y < iImageHeight; y++)
	{
		for (x = 0; x < iImageWidth; x++)
		{
			double fTempReal = 0.0, fTempIng = 0.0;


			for (u = 0; u < iImageWidth; u++)
			{
				fTempReal += fRealPart3[(size_t)y * iImageWidth + u] * cos(2.0 * PI * ((double)u * x / (double)iImageWidth)) -
					fImgPart3[(size_t)y * iImageWidth + u] * sin(2.0 * PI * ((double)u * x / (double)iImageWidth));
				fTempIng += fImgPart3[(size_t)y * iImageWidth + u] * cos(2.0 * PI * ((double)u * x / (double)iImageWidth)) +
					fRealPart3[(size_t)y * iImageWidth + u] * sin(2.0 * PI * ((double)u * x / (double)iImageWidth));

			}

			fTempReal = pow(-1.0, x + y) * fTempReal;
			fTempIng = pow(-1.0, x + y) * fTempIng;
			double fTpp = (sqrt(pow(fTempReal, 2) + pow(fTempIng, 2)));
			if (fTpp - 255 > 0)
			{
				fTpp = 255;
			}
			else if (fTpp < 0)
			{
				fTpp = 0;
			}
			*(BYTE*)m_Image.GetPixelAddress(x, y) = (byte)fTpp;
		}
	}
	Invalidate();
	MessageBox(_T("可分离傅里叶反变换,完成"));

}
十八闲客yxg
关注
专栏目录
Schematic_心形流水灯_2020-12-26_13-35-53.pdf
11-14
《心形流水灯电路设计详解》 心形流水灯是一种常见的电子制作项目，它通过LED灯的有序闪烁，呈现出流动的视觉效果，常用于教学、DIY制作或节日装饰。本设计基于STC8A8K64S4A12单片机，通过精心布局的电路实现心形...
2020-02-13-raspbian-buster-lite.zip
04-30
描述中提到的文件校验信息，如SHA256哈希值（12AE6E17BF95B6BA83BECA61E7394E7411B45EBA7E6A520F434B0748EA7370E8），是用于验证下载的文件是否完整和未被篡改的关键步骤。当用户下载完文件后，可以通过计算该文件的...
magento-ce-2.4.0-2020-07-24-11-15-38.tar.gz
08-25
magento-ce-2.4.0-2020-07-24-11-15-38.tar.gz 不带sample data
UCF-LKM-DATA-PT-12-2020-UC
02-21
UCF-LKM-DATA-PT-12-2020-UC 欢迎来到UCF的数据可视化课程...2020年12月26日 周六 2020年12月29日 周二 2020年12月31日 周四 2021年1月2日 周六 纪念日 2021年5月29日 周六 回购准则 您对该存储库具有只读访问权限，并
美国新冠疫情数据2020-1至2021-12-01（天-周-月）
04-15
时间跨度 2020-1至2021-12- 01（天/周/月） 时间频率 年度 区域跨度 美国 大洲 国家名称 dateti me 累计确诊数量 累计治愈数量 累计死亡数量 北美洲 美国 2021/12/ 31 54148314 41455786 824030 北美洲 美国 2021 ...
傅里叶分析之掐死教程（完整版）更新于2014.06.06
翎野君的博客
09-28 1470
作 者：韩 昊 知 乎：Heinrich 微 博：@花生油工人 知乎专栏：与时间无关的故事 谨以此文献给大连海事大学的吴楠老师，柳晓鸣老师，王新年老师以及张晶泊老师。 转载的同学请保留上面这句话，谢谢。如果还能保留文章来源就更感激不尽了。 ——更新于2014.6.6，想直接看更新的同学可以直接跳到第四章———— 我保证这篇文章和你以前看过的所有文章都不同，这是12年还在果壳的时候写的，但是当时没...
【C++刷题】力扣-#121-买卖股票的最佳时机
会写代码的饭桶
10-16 574
给定一个数组 prices，其中 prices[i] 表示第 i 天的股票价格。假设你可以在第 i 天买入并在第 j 天卖出股票（i ≤ j），设计一个算法来计算你所能获取的最大利润。注意你只能持有一股股票，并且你不能同时参与多笔交易（即在再次买入前必须卖出股票）。
关于C语言中局部变量与全局变量——超详细解释篇
2401_87108776的博客
10-17 369
在函数的开头进行定义。
【C++刷题】力扣-#118-杨辉三角
会写代码的饭桶
10-16 329
给定一个非负整数 numRows，生成杨辉三角的前 numRows 行。在杨辉三角中，每个数是它正上方两个数的和。
如何用c++模拟创建用户（只得创建一个用户）
2301_78863827的博客
10-14 786
模拟系列，希望大家能多提意见
C++ 类与对象（上）
最新发布
2201_75357870的博客
10-20 508
在C++中，类是一种，类似于C语言中的struct定义结构体。那么什么是对象呢？对象其实是类的类型实例化，就如我声明了一个栈，然后用栈的声明创建了一个栈，被创建的这个栈就是对象。类其实是对象的一种抽象描述，类似于一张施工的图纸，图纸上画了这个工程有什么东西，但是这张图纸上的内容在真实世界中并没有真实的东西，需要现实的人们根据图纸在现实世界创造出图纸里面的内容。对于类的定义，以class为关键字，后面加，{}中的内容为主体，与C语言结构体一样，{}后面要加分号（；
【C语言】一维数组应用Fibonacci数列
我的我的博客
10-16 269
前两项为1，从第三项开始，每一项为前两项的和。可以知道连续三项的关系：f[i]=f[i-1]+f[i-2]使用数组进行存储，十分方便。可以知道前n项的fibonacci数。
【C语言】define宏定义与const修饰限定
我的我的博客
10-15 244
define宏定义纸进行字符串替换，无类型检查。const修饰符限定变量为只读变量。两者都是将字符替换为相应的数值。
快手C++二面-面经总结
MatsumotoChrikk
10-18 554
cat words.txt：读取文件 words.txt 的内容。tr -s ' ' '\n'：将空格替换为换行符，即将每个单词分隔到一行。sort：对单词进行排序。uniq -c：统计每个单词出现的次数，并在前面加上频率。sort -nr：按照频率降序排序。awk '{print $2, $1}'：使用 awk 输出单词和频率，其中 2是单词，1 是频率。
C++：从小白到基础（一）
zh060515的博客
10-14 1055
C++是基于C进行开发的，不仅有着超高的运行效率，还有着诸多被封装好的库，这大大加强了C++的开发效率。现在C++主要运用在游戏开发，嵌入式系统开发等领域。以下是C++的关键字关于具体介绍请看以下链接。
C++ —— 关于继承(inheritance)
hedhjd的博客
10-13 1068
Person是基类，也称作⽗类Student是派⽣类，也称作⼦类派⽣类用公有的方式继承了基类。
C++ 的存储类型与新的 thread_local
oRbIt 的专栏
10-14 676
存储周期只是一个概念，是程序语义范畴内的东西，但不是语法的范畴。存储类型说明符也被称为存储类型，它们是变量声明语法中类型说明符的一部分，它们和变量名的范围一起控制变量的两个独立属性，即存储周期和链接属性。
c++ 常用字符串函数
xzal12的博客
10-14 287
c++ 常用字符串函数
<?php /* # -*- coding: utf-8 -*- # @Author: h1xa # @Date: 2020-09-04 00:12:34 # @Last Modified by: h1xa # @Last Modified time: 2020-09-04 00:26:48 # @email: h1xa@ctfer.com # @link: https://ctfer.com */ error_reporting(0); if(isset($_GET['c'])){ $c = $_GET['c']; if(!preg_match("/flag/i", $c)){ eval($c); } }else{ highlight_file(__FILE__); }
05-15
这是一个 PHP 脚本，它接受一个 GET 参数 `c`，然后用 `eval()` 执行这个参数...如果参数中不包含字符串 "flag"，则会执行 `eval()`，否则不会。...建议尽快修复该漏洞，例如使用白名单方式限制 `eval()` 可以执行的代码。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

十八闲客yxg

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值