对图像求傅里叶变换

  基于Opencv以dft()函数为核心，展示如何计算以及显示离散傅里叶变换后的幅度图像。
源代码

//-----------------------------展示如何计算以及显示傅里叶变换后的幅度图像-------------

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
using namespace cv;

int main()
{
	//以灰度模式读取原始图像并显示
	Mat srcImage = imread("D://study//studyOpencv//ConsoleApplication1//ConsoleApplication1//LuFei_ku.jpg", 0);
	if (!srcImage.data) { printf("读取图片错误，请确定目录下是否有imread函数指定图片存在！\n"); return false; }
	imshow("初始图像", srcImage);

	//ShowHelpText();

	//将输入图像延扩到最佳的尺寸，边界用0补充
	int m = getOptimalDFTSize(srcImage.rows);
	int n = getOptimalDFTSize(srcImage.cols);
	//将添加的像素初始化为0；
	Mat padded;
	copyMakeBorder(srcImage, padded, 0, m - srcImage.rows, 0, n - srcImage.cols, BORDER_CONSTANT, Scalar::all(0));
	
	//为傅里叶变换的结果（实部和虚部）分配存储空间
	//将plannes数组组合合并成一个多通道的数组complexI

	Mat planes[] = { Mat_<float>(padded), Mat::zeros(padded.size(),CV_32F) };
	Mat complexI;
	merge(planes, 2, complexI);

	//进行就地离散傅里叶变换
	dft(complexI, complexI);

	//将复数转换为幅值，即log(1+ sqrt(Re(DFT(I))^2 +Im(DFT(I))^2))
	split(complexI, planes);  //将多通道数组complexI分离成几个单通道数组
							  //planes[0]=Re(DFT(I)) , planes[1]=Im(DFT(I))
	//计算二维矢量的幅值：magnitude()函数
	magnitude(planes[0], planes[1], planes[0]);  //planes[0] = magnitude
	Mat magnitudeImage = planes[0];

	//进行对数尺度缩放
	magnitudeImage += Scalar::all(1);
	log(magnitudeImage, magnitudeImage);//求自然对数

	//剪切和重分布幅度图像限
	//若有奇数行或者奇数列，进行频谱裁剪
	magnitudeImage = magnitudeImage(Rect(0, 0, magnitudeImage.cols & -2, magnitudeImage.rows&-2));
	//重新排列傅里叶图像中的象限，使得原点位于图像中心
	int cx = magnitudeImage.cols / 2;
	int cy = magnitudeImage.rows / 2;
	Mat q0(magnitudeImage, Rect(0, 0, cx, cy));  //ROI区域的左上
	Mat q1(magnitudeImage, Rect(cx, 0, cx, cy));  //ROI区域的右上
	Mat q2(magnitudeImage, Rect(0, cy, cx, cy));  //ROI区域的左下
	Mat q3(magnitudeImage, Rect(cx, cy, cx, cy));  //ROI区域的右下

	// 交换象限（左上与右下进行交换）
	Mat tmp;
	q0.copyTo(tmp);
	q3.copyTo(q0);
	tmp.copyTo(q3);

	//交换象限（右上与左下进行交换）
	q1.copyTo(tmp);
	q2.copyTo(q1);
	tmp.copyTo(q2);

	//归一化，用0到1之间的浮点值将矩阵变换成可视的图像格式
	normalize(magnitudeImage, magnitudeImage, 0, 1, NORM_MINMAX);

	//显示效果图
	imshow("频谱幅值", magnitudeImage);
	waitKey(0);
	return 0;

}

  效果图：