使用numpy.fft对图像进行傅里叶变换

numpy.fft——numpy中的离散傅里叶变换模块

这篇博客将简要介绍numpy.fft中对图像进行处理的函数以及简单的滤波方法

1.numpy.fft.fft2

这个函数用于计算二维的离散傅里叶变换。

fft.fft2(a,s=None,axes=(-2,-1),norm=None)

从函数定义中可以看出，fft2接收4个参数：

a: 要进行傅里叶变换的数据，需要是一个数组，可以是复数形式的；

s:int型的序列（list，tuple都可以），描述输出的大小，即输出的分辨率。非必填参数。s中的各个元素用于设置输出在各个维度上的长度，即每个维度上的像素个数，s[0]代表第一个轴,s[1]代表第二个轴，以此类推。 如果设定的大小小于输入大小，则将输入裁剪成设定大小；如果设定大小大于输入大小，则将输入用0填充成设定大小。

axes:指定要在哪两个维度上进行傅里叶变换。可选参数，默认是最后两个维度。

norm: 归一化的方式，可选'backward','ortho','forward',默认是backward。

例：

import numpy as np
from PIL import Image
from matplotlib import pyplot as plt

root = r'lena.png'
img = Image.open(root).convert('L')    #转成灰度图像
fft = np.fft.fft2(img,axes=(0,1))    # 进行傅里叶变换，axes不需要自定义
plt.subplot(121),plt.imshow(img,cmap='gray')    # 显示原图
plt.subplot(122)
plt.imshow(np.log(np.abs(fft)),cmap='gray') # 显示傅里叶变换的结果
                                            # 因为傅里叶变换的结果是复数，所以取模；
                                            # 傅里叶变换后的值过大，所以取对数以便判读
plt.show()

显示结果：