OpenCV dft离散傅立叶变换 C++

l  为什么要在频率域研究图像增强

ü  可以利用频率成分和图像外表之间的对应关系。一 些在空间域表述困难的增强任务，在频率域中变得非 常普通

ü  滤波在频率域更为直观，它可以解释空间域滤波的 某些性质

ü  可以在频率域指定滤波器，做反变换，然后在空间 域使用结果滤波器作为空间域滤波器的指导

ü一旦通过频率域试验选择了空间滤波，通常实施都在空间域进行

理解傅里叶变换请看图解傅里叶变换（时域频域）_频域 傅里叶 时序图怎么画-CSDN博客，图文并茂讲解。

下面是opencv自带例程；

OpenCV源码库文件 samples/cpp/tutorial_code/core/discrete_fourier_transform/discrete_fourier_transform.cpp。

以下为函数 dft() 使用范例:

#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
int main(int argc, char ** argv)
{
    const char* filename = argc >=2 ? argv[1] : "lena.jpg";

    Mat I = imread(filename, CV_LOAD_IMAGE_GRAYSCALE);
    if( I.empty())
        return -1;
    
    Mat padded;                            //expand input image to optimal size
    int m = getOptimalDFTSize( I.rows );
    int n = getOptimalDFTSize( I.cols ); // on the border add zero values
    copyMakeBorder(I, padded, 0, m - I.rows, 0, n - I.cols, BORDER_CONSTANT, Scalar::all(0));

    Mat planes[] = {Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F)};
    Mat complexI;
    merge(planes, 2, complexI);         // Add to the expanded another plane with zeros

    dft(complexI, complexI);            // this way the result may fit in the source matrix

    // compute the magnitude and switch to logarithmic scale
    // => log(1 + sqrt(Re(DFT(I))^2 + Im(DFT(I))^2))
    split(complexI, planes);                   // planes[0] = Re(DFT(I), planes[1] = Im(DFT(I))
    magnitude(planes[0], planes[1], planes[0]);// planes[0] = magnitude  
    Mat magI = planes[0];
    
    magI += Scalar::all(1);                    // switch to logarithmic scale
    log(magI, magI);