傅里叶变换和滤波

傅里叶变换就是将实域响应转换成频域的转换。傅立叶变换就是把一个信号,分解成无数的正弦波(或者余弦波)信号。也就是说,用无数的正弦波,可以合成任何你所需要的信号。

傅里叶变换简单通俗理解就是把看似杂乱无章的信号考虑成由一定振幅、相位、频率的基本正弦(余弦)信号组合而成,傅里叶变

换的目的就是找出这些基本正弦(余弦)信号中振幅较大(能量较高)信号对应的频率,从而找出杂乱无章的信号中的主要振动频

率特点。

傅里叶变换是一种解决问题的方法,一种工具,一种看待问题的角度。理解的关键是:一个连续的信号可以看作是一个个小信号的

叠加,从时域叠加与从频域叠加都可以组成原来的信号,将信号这么分解后有助于处理。  

我们原来对一个信号其实是从时间的角度去理解的,不知不觉中,其实是按照时间把信号进行分割,每一部分只是一个时间点对应

一个信号值,一个信号是一组这样的分量的叠加。傅里叶变换后,其实还是个叠加问题,只不过是从频率的角度去叠加,只不过每

个小信号是一个时间域上覆盖整个区间的信号,但他确有固定的周期,或者说,给了一个周期,我们就能画出一个整个区间上分信

号,那么给定一组周期值(或频率值),我们就可以画出其对应的曲线,就像给出时域上每一点的信号值一样,不过如果信号是周

期的话 ,频域的更简单,只需要几个甚至一个就可以了,时域则需要整个时间轴上每一点都映射出一个函数值。

 

可以使用Python中的NumPy库来读取彩色图像并实现快速傅里叶变换滤波处理。 首先,我们需要使用NumPy库中的`numpy.fft`函数来实现快速傅里叶变换(FFT)。这个函数可以直接处理多通道的图像数据。 接下来,我们需要定义一个滤波器来对图像进行滤波处理。常见的滤波器包括低通滤波器、高通滤波器、带通滤波器等。这里我们以低通滤波器为例,代码如下: ``` python import cv2 import numpy as np # 读取彩色图像 img = cv2.imread("test.jpg") # 将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 对灰度图像进行傅里叶变换 f = np.fft.fft2(gray) # 将频率域中心平移至图像中心 fshift = np.fft.fftshift(f) # 定义低通滤波器 rows, cols = gray.shape crow, ccol = int(rows / 2), int(cols / 2) mask = np.zeros((rows, cols), np.uint8) r = 60 center = [crow, ccol] x, y = np.ogrid[:rows, :cols] dist = np.sqrt((x - center[0]) ** 2 + (y - center[1]) ** 2) mask[dist <= r] = 1 # 将滤波器应用于频率域图像 fshift = fshift * mask # 对滤波后的频率域图像进行逆变换 ishift = np.fft.ifftshift(fshift) img_back = np.fft.ifft2(ishift) img_back = np.real(img_back) # 显示原图和滤波后的图像 cv2.imshow("Original Image", img) cv2.imshow("Filtered Image", img_back) cv2.waitKey(0) ``` 代码中,我们首先使用OpenCV库中的`cv2.imread`函数来读取彩色图像,并将其转换为灰度图像。然后使用`numpy.fft.fft2`函数对灰度图像进行傅里叶变换,并使用`numpy.fft.fftshift`函数将频率域中心平移至图像中心。 接下来,我们定义了一个低通滤波器,该滤波器使用了一个半径为60像素的圆形掩膜,将圆心位置设为图像中心。然后,我们将滤波器应用于频率域图像,并使用`numpy.fft.ifftshift`函数将频率域中心平移回原来的位置。最后,我们使用`numpy.fft.ifft2`函数对滤波后的频率域图像进行逆变换,并使用`numpy.real`函数提取实部,得到滤波后的图像。 运行代码后,可以显示原图和滤波后的图像。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值