离散傅里叶变换(Discrete Fourier Transform,缩写为 DFT),是指傅里叶变换在时域和频域上都呈现离散的形式,将时域信号的采样变换为在离散时间傅里叶变换(DTFT)频域的采样。在形式上,变换两端(时域和频域上)的序列是有限长的,而实际上这两组序列都应当被认为是离散周期信号的主值序列。即使对有限长的离散信号做 DFT ,也应当对其经过周期延长成为周期信号再进行变换。在实际应用中,通常采用快速傅里叶变换来高效计算 DFT。
代码示例如下:
#include<opencv2/opencv.hpp>
#include<ostream>
using namespace cv;
using namespace std;
int main()
{
//1. 以灰度模式读取原始图并显示
Mat srcImage = imread("cat.jpg", 0);
if (srcImage.empty())
{
cout << "读片读取发生错误!\n" << endl;
}
imshow("原图", 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);
Mat padded;
copyMakeBorder(srcImage, padded, 0, m - srcImage.rows, 0, n - srcImage.cols, BORDER_CONSTANT, Scalar::all(0));
//3. 为傅里叶变换的结果(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)^2 + Im(DFT(I)^2))
split(complexI, planes); //planes[0] = Re(DFT(I)) planes[1] = Im(DEF))
magnitude(planes[0], planes[1], planes[0]);
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 & -2, magnitudeImage.rows & -2));
// 重新排列傅里叶图像中的象限,使得远点位于图像的中心
int cx = magnitudeImage.cols / 2;
int cy = magnitudeImage.rows / 2;
Mat q0(magnitudeImage, Rect(0, 0, cx, cy)); // ROI 区域的左上部分
Mat q1(magnitudeImage, Rect(cx, 0, cx, cy)); // ROI 区域的右上部分
Mat q2(magnitudeImage, Rect(0, cy, cx, cy)); // ROI 区域的左下部分
Mat q3(magnitudeImage, Rect(cx, cy, cx, cy));// ROI 区域的右下部分
//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,用 0-1 之间的浮点数矩阵变换为可视的图像格式
normalize(magnitudeImage, magnitudeImage, 0, 1, NORM_MINMAX);
//9. 显示效果图
imshow("傅里叶频谱图", magnitudeImage);
waitKey(0);
return 0;
}
运行结果如下: