利用python学习OpenCV,个人感觉比较方便。函数的形式与C++基本相同,所以切换过来还是比较好的,对于像我这种对python不太熟练的人,使用python的集成开发环境PyCharm进行学习,可以设置断点调试,有助于我这类初学者理解掌握。
下面是学习傅里叶变换的相关基本代码:
# coding:utf-8
__author__ = 'Microcosm'
import cv2
import numpy as np
import math
from matplotlib import pyplot as plt
def magnitude(x,y):
x_m = x*x
y_m = y*y
z_m = x_m + y_m
return np.sqrt(z_m)
# Numpy 函数
img = cv2.imread("lena.jpg", 0)
f = np.fft.fft2(img)
f_shift = np.fft.fftshift(f)
magnitude_spectrum1 = 20 * np.log10(np.abs(f_shift)) # 是不是numpy版本太低了?
plt.subplot(121),plt.imshow(img,"gray")
plt.title("Input image"),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(magnitude_spectrum1, cmap="gray")
plt.title("Numpy fft2 image"),plt.xticks([]),plt.yticks([])
plt.show()
# OpenCV 函数 貌似有点问题
dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)
magnitude_spectrum2 = 20 * np.log10(magnitude(dft_shift[:,:,0], dft_shift[:,:,1]))
plt.subplot(121),plt.imshow(img, "gray")
plt.title("Input image"), plt.xticks([]),plt.yticks([])
plt.subplot(122), plt.imshow(magnitude_spectrum2, cmap="gray")
plt.title("DFT image"), plt.xticks([]), plt.yticks([])
plt.show()
numpy函数运行结果为:
OpenCV函数运行结果为:
结果感觉不对,只能显示一半