傅里叶变换

								**傅里叶变换**

对图像的傅里叶变换，就是将图像从图像空间变换到频率空间，从而可以在频率域对图像进行处理。
1、傅里叶变换及其反变换
在numpy中自带了函数fft2进行二维傅里叶变换，它其实是离散快速傅里叶变换。
在频率域对图像进行处理后，要将其反变换到空间域才能显示图像。
可用函数 np.fft.ifft2（）函数进行傅里叶反变换。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt 
import matplotlib as mpl

mpl.rcParams['font.sans-serif']  = ['SimHei']	# 指定字体，不然会乱码
img = cv.imread('lena512color.tiff', 0)
f = np.fft.fft2(img)	# 将空间域转化为频率域
mf = np.log(np.abs(f))	# 取绝对值f 对数

# 傅里叶反变换
fan = np.fft.ifft2(f)
mfan = np.abs(fan)

plt.subplot(131),plt.imshow(img, cmap='gray'),plt.title('原图')
plt.subplot(132),plt.imshow(mf, cmap='gray'),plt.title('傅里叶频谱')
plt.subplot(133),plt.imshow(mfan, cmap='gray'),plt.title('傅里叶反变换')

plt.show()

如下图，左图是lena图像，中间图是它的傅里叶频谱图，最后一张即是反变换回来的图

2.将低频移至中心

在此傅里叶频谱中，频率为0的分量在其左上角，但是一般情况下我们会将其移至中心，再对其进行处理。
可以用函数fftshift()将低频部分移至中心。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt 
import matplotlib as mpl

mpl.rcParams['font.sans-serif']  = ['SimHei']	# 指定字体，不然会乱码
img = cv.imread('lena512color.tiff', 0)
f = np.fft.fft2(img)	# 将空间域转化为频率域
mf = np.log(np.abs(f))	# 取绝对值f 对数，mp为频谱图

# 将低频移至傅里叶频谱中心
fshift = np.fft.fftshift(f)
mfshift = np.log(np.abs(fshift))

plt.subplot(131),plt.imshow(img, cmap='gray'),plt.title('原图')
plt.subplot(132),plt.imshow(mf, cmap='gray'),plt.title('傅里叶频谱')
plt.subplot(133),plt.imshow(mfshift, cmap='gray'),plt.title('低频移至傅里叶频谱中心')

plt.show()

右图就是将低频移至中心的傅里叶频谱图。