python源码 高通滤波、低通滤波、带通滤波

创作不易，如果此文使您有收获，记得点赞哦！

---

一. 傅里叶变化原理：

    https://www.cnblogs.com/wojianxin/p/12529809.html

---

二. 高通滤波、低通滤波、带通滤波：

    高通滤波：高频信息通过，低频信息被阻挡；

    低通滤波：低频信息通过，高频信息被阻挡；

    带通滤波：介于低频和高频之间的一带信息通过，其它信息被阻挡。

        图解高通、低通、带通滤波器 ↑

---

三. python实现高通滤波实验：

# Writer : wojianxinygcl@163.com

# Data  : 2020.3.20

import cv2

import numpy as np

from matplotlib import pyplot as plt

#读取图像

img = cv2.imread('../paojie_g.jpg', 0)

#傅里叶变换

dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)

fshift = np.fft.fftshift(dft)

#设置高通滤波器

rows, cols = img.shape

crow,ccol = int(rows/2), int(cols/2) #中心位置

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

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

#掩膜图像和频谱图像乘积

f = fshift * mask

#傅里叶逆变换

ishift = np.fft.ifftshift(f)

iimg = cv2.idft(ishift)

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

#显示原始图像和高通滤波处理图像

plt.subplot(121), plt.imshow(img, 'gray'), plt.title('Original Image')

plt.axis('off')

plt.subplot(122), plt.imshow(res, 'gray'), plt.title('High Pass Filter Image')

plt.axis('off')

plt.show()

---

四. 高通滤波实验结果：

        高通滤波实验结果 ↑

---

五. python实现低通滤波实验：

# Writer : wojianxinygcl@163.com

# Data  : 2020.3.20

import cv2

import numpy as np

from matplotlib import pyplot as plt

#读取图像

img = cv2.imread('../paojie_g.jpg', 0)

#傅里叶变换

dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)

fshift = np.fft.fftshift(dft)

#设置低通滤波器

rows, cols = img.shape

crow,ccol = int(rows/2), int(cols/2) #中心位置

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

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

#掩膜图像和频谱图像乘积

f = fshift * mask

#傅里叶逆变换

ishift = np.fft.ifftshift(f)

iimg = cv2.idft(ishift)

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

#显示原始图像和低通滤波处理图像

plt.subplot(121), plt.imshow(img, 'gray'), plt.title('Original Image')

plt.axis('off')

plt.subplot(122), plt.imshow(res, 'gray'), plt.title('Low Pass Filter Image')

plt.axis('off')

plt.show()

---

六. 低通滤波实验结果：

        低通滤波实验结果 ↑

---

七. python实现带通滤波实验：

# Writer : wojianxinygcl@163.com

# Data  : 2020.3.20

import cv2

import numpy as np

import math

from matplotlib import pyplot as plt

#读取图像

img = cv2.imread('../paojie_g.jpg', 0)

#傅里叶变换

dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)

fshift = np.fft.fftshift(dft)

#设置带通滤波器

# w 带宽

# radius: 带中心到频率平面原点的距离

rows, cols = img.shape

crow,ccol = int(rows/2), int(cols/2) #中心位置

w = 30

radius = 30

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

for i in range(0, rows):

    for j in range(0, cols):

        # 计算(i, j)到中心点的距离

        d = math.sqrt(pow(i - crow, 2) + pow(j - ccol, 2))

        if radius - w / 2 < d < radius + w / 2:

            mask[i, j, 0] = mask[i, j, 1] = 0

        else:

            mask[i, j, 0] = mask[i, j, 1] = 1

#掩膜图像和频谱图像乘积

f = fshift * mask

#傅里叶逆变换

ishift = np.fft.ifftshift(f)

iimg = cv2.idft(ishift)

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

#显示原始图像和带通滤波处理图像

plt.subplot(121), plt.imshow(img, 'gray'), plt.title('Original Image')

plt.axis('off')

plt.subplot(122), plt.imshow(res, 'gray'), plt.title('Band Pass Filter Image')

plt.axis('off')

plt.show()

---

八. 带通滤波实验结果：

        带通滤波实验结果 ↑

---

九. 总结：

        高通滤波，通过了高频信息，提取了图像边缘和噪声；低通滤波，通过了低频信息，保留了图像背景和基本内容，图像边缘被阻挡，图像变模糊；带通滤波，阻挡了部分特别高频信息和特别低频信息，相对高通滤波来讲，提取的图像边缘减少，相对低通滤波来讲，保留的图像内容也减少。

---

十. 参考内容：

        ① https://www.cnblogs.com/wojianxin/p/12531004.html

        ② https://www.jianshu.com/p/28b03ea8592b

---

十一. 版权声明：

        未经作者允许，请勿随意转载抄袭，抄袭情节严重者，作者将考虑追究其法律责任，创作不易，感谢您的理解和配合！