图像的傅里叶变换
傅里叶变换大家想必早就了解了,网上资料也很多,如何推导有何意义都说的很明白了,在这里就不作赘述。今天我想讲的是OpenCv中如何对傅里叶图像进行变换,生成频谱图。
先看如何生成一幅图像的频谱图:
源码:
#include "QtGuiApplication1.h"
//#define Ui
#ifndef Ui
#include <QFileInfo>
#include <QDir>
#include <opencv2\opencv.hpp>
using namespace cv;
#else
#include <QtWidgets/QApplication>
#endif
int main(int argc, char *argv[])
{
QApplication a(argc, argv);
#ifdef Ui
QtGuiApplication1 w;
w.show();
return a.exec();
#else
QString path = QFileInfo(QCoreApplication::applicationDirPath(), "../../../").absoluteDir().absolutePath() + "/imgs/";
//【1】以灰度模式读取原始图像并显示
Mat srcImage = imread(path.toStdString() + "Fig0424(a)(rectangle).tif", IMREAD_GRAYSCALE);
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("原始图像", srcImage);
//【2】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));
//【3】为傅立叶变换的结果(实部和虚部)分配存储空间。
//将planes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);
//【4】进行就地离散傅里叶变换
dft(complexI, complexI);
//【5】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))
magnitude(planes[0], planes[1], planes[0]);// planes[0] = magnitude
Mat magnitudeImage = planes[0];
//【6】进行对数尺度(logarithmic scale)缩放
magnitudeImage += Scalar::all(1);
log(magnitudeImage, magnitudeImage);//求自然对数
//【7】剪切和重分布幅度图象限
//若有奇数行或奇数列,进行频谱裁剪
magnitudeImage = magnitudeImage(Rect(0, 0, magnitudeImage.cols & (~1), magnitudeImage.rows & (~1)));
//重新排列傅立叶图像中的象限,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);
//【8】归一化,0到255
normalize(magnitudeImage, magnitudeImage, 0, 255, NORM_MINMAX);
magnitudeImage.convertTo(magnitudeImage, CV_8UC1);
//【9】显示效果图
imshow("频谱幅值", magnitudeImage);
waitKey();
return 0;
#endif
}
原图:
效果图:
原图像 与 其傅里叶变换的 对应关系:
二维的FFT坐标图中,有模、方向 和 亮度 三个变量
1、模表示的是频率分量的大小,就是与中心点的距离,频率越大离远点越近;
2、方向则与原图中的灰度值变化方向有垂直关系;
3、亮度就是该频率信号的幅值大小