Numpy实现
fft = np.fft.fft2(img)
将空间域转化为频率域
OpenCV实现
dft = cv2.dft(np.float32(img),flag=cv2.DFT_COMPLEX_OUTPUT)
这个函数与np.fft.fft2(img)实现相同的功能,但要注意先将img转化为float32的格式,flag传入cv2.DFT_COMPLEX_OUTPUT表示输出的是一个复数。
shift = np.fft.fftshift(fft)
将低频部分移动到图像中心
ishift = np.fft.ifftshift(shift)
将低频部分从中心移动回到左上角
ifft = np.fft.ifft2(ishift)
将频率域转化回空间域
idft = cv2.idft(ishift)
这个函数与np.fft.ifft2(shift)实现相同的功能,注意这两个函数输出都是一个复数,都需要用到下面这个函数转化回图像。
img = cv2.magnitude(real,imag)
real是虚数的实部,imag是虚数的虚部
需要注意的是,np.fft.ifft2()返回的是一个虚数数组,需要用np.real(ifft)求得实部,用np.imag(ifft)求得虚部;
而cv2.idft()返回的是一个双通道图像,用idft[:,:,0]求得实部,用idft[:,:,1]求得虚部。
结果得到的并不是一个归一化的图像,我们可以使用cv2.normalize()进行归一化或者使用20*np.log(np.abs(img))进行归一化。
代码示例
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('lena.png',0)
dft = cv2.dft