图像的Fourier变换

最新推荐文章于 2023-07-30 02:17:33 发布
最新推荐文章于 2023-07-30 02:17:33 发布
阅读量546 收藏 2
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hefeng91/article/details/53065827
版权

原理性快速傅里叶变换代码！

一维FFT--->>>二维FFT！

图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度.在噪声点和图像边缘处的频率为高频。实际上对图像进行二维傅立叶变换得到频谱图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小。图像的能量分布，如果频谱图中暗的点数更多，那么实际图像是比较柔和的（因为各点与邻域差异都不大，梯度相对较小），反之，如果频谱图中亮的点数多，那么实际图像一定是尖锐的，边界分明且边界两边像素差异较大的。

图像中的每个点通过傅里叶变换都成了谐波函数的组合，也就有了频率，这个频率则是在这一点上所有产生这个灰度的频率之和，也就是说傅里叶变换可以将这些频率分开来。当想除去图像背景时，只要去掉背景的频率就可以了。

#define PI 3.1415926535

#include <cv.h>
#include <highgui.h>
#include <complex>


using namespace std;
using namespace cv;


void FFT(complex<double>* TD,complex<double>* FD,int r);
bool Fourier(IplImage* src,IplImage*dst,int width,int height);


int main()
{
IplImage* src=cvLoadImage("1.bmp",0);
IplImage* dst=cvCreateImage(cvGetSize(src),src->depth,src->nChannels);
Fourier(src,dst,src->width,src->height);
cvSaveImage("1Fourier.bmp",dst);
return 0;
}


/*****************************************************************************
*void FFT(complex<double>* TD,complex<double>* FD,int r)
*参数：
* int* TD--指向时域数组的指针
* int* FD--指向频域数组的指针
* r   --2的幂数，即迭代次数
* （r为log2N,傅里叶的点数N可以由r求出，即将1左移r位）
******************************************************************************/
void FFT(complex<double>* TD,complex<double>* FD,int r)
{
int N; 傅里叶点数(多少级蝶形运算)
N=1<<r; 将1左移r位
complex<double> *W=new complex<double>[N/2];///加权系数(complex是复数)
complex<double> *X1=new complex<double>[N];
complex<double> *X2=new complex<double>[N];
///计算加权系数
for (int i=0;i<N/2;i++)
{
double angle=-i*PI*2/N;
W[i]=complex<double>(cos(angle),sin(angle));
}
//将时域点写入X1
memcpy(X1,TD,sizeof(complex<double>) *N);
//采用蝶形算法进行FFT
for (int k=0;k<r;k++) //进行第几级运算
{
for (int j=0;j<1<<k;j++) /当前所有的蝶形开始运算
{
int bfsize=1<<(r-k);
for (int i=0;i<bfsize/2;i++) 相邻蝶形运算
{
int p=j*bfsize;
X2[i+p]=X1[i+p] + X1[i+p+bfsize/2];
X2[i+p+bfsize/2]=(X1[i+p]-X1[i+p+bfsize/2])*W[i*(1<<k)];
}
}
complex<double>* X=X1;
X1=X2;
X2=X;
}
重新排序
for (int j=0;j<N;j++)
{
int p=0;
for (int i=0;i<r;i++)
{
if (j&(1<<i))
{
p+=1<<(r-i-1);
}
}
FD[j]=X1[p];
}
//释放内存
delete W;
delete X1;
delete X2;
}


bool Fourier(IplImage* src,IplImage*dst,int width,int height)
{
/傅里叶的宽、高为2的整数次方（FFT）
int w=1,h=1;
int wp=0,hp=0;/2的幂次数,即迭代次数
/计算进行傅里叶变换的宽度和高度（2的整数次方）
while (w*2<=width)
{
w*=2;
wp++;
}
while (h*2<=height)
{
h*=2;
hp++;
}
//分配内存
complex<double> *TD=new complex<double>[w*h];
complex<double> *FD=new complex<double>[w*h];

for (int i=0;i<h;i++)行
{
for (int j=0;j<w;j++)列
{
int pixel=((uchar*)src->imageData+i*src->widthStep)[j];
//给时域赋值
TD[j+w*i]=complex<double>(pixel,0);
}
}
//对y方向进行FFT
for (int i=0;i<h;i++)
{
FFT(&TD[w*i],&FD[w*i],wp);
}
保存变换结果
for (int i=0;i<h;i++)
{
for (int j=0;j<w;j++)
{
TD[i+h*j]=FD[j+w*i];
}
}
//对x方向进行FFT
for (int i=0;i<w;i++)
{
FFT(&TD[i*h],&FD[i*h],hp);
}
for (int i=0;i<h;i++)
{
for (int j=0;j<w;j++)
{
计算频谱
double temp=sqrt(FD[j*h+i].real()*FD[j*h+i].real()+
FD[j*h+i].imag()*FD[j*h+i].imag())/100;
if (temp>255)
{
temp=255;判断超过255，直接赋值为255
}
//指向第（i<h/2?i+h/2:i-h/2）行，第j<w/2?j+w/2:j-w/2个像素的指针
//不直接取i和j，是为了将变换后的原点移动到中心
((uchar*)dst->imageData+(i<h/2?i+h/2:i-h/2)*dst->widthStep)[j<w/2?j+w/2:j-w/2]=temp;
}
}
/删除临时变量
delete TD;
delete FD;
return true;
}#define PI 3.1415926535
#include <cv.h>
#include <highgui.h>
#include <complex>


using namespace std;
using namespace cv;


void FFT(complex<double>* TD,complex<double>* FD,int r);
bool Fourier(IplImage* src,IplImage*dst,int width,int height);


int main()
{
IplImage* src=cvLoadImage("1.bmp",0);
IplImage* dst=cvCreateImage(cvGetSize(src),src->depth,src->nChannels);
Fourier(src,dst,src->width,src->height);
cvSaveImage("1Fourier.bmp",dst);
return 0;
}


/*****************************************************************************
*void FFT(complex<double>* TD,complex<double>* FD,int r)
*参数：
* int* TD--指向时域数组的指针
* int* FD--指向频域数组的指针
* r   --2的幂数，即迭代次数
* （r为log2N,傅里叶的点数N可以由r求出，即将1左移r位）
******************************************************************************/
void FFT(complex<double>* TD,complex<double>* FD,int r)
{
int N; 傅里叶点数(多少级蝶形运算)
N=1<<r; 将1左移r位
complex<double> *W=new complex<double>[N/2];///加权系数(complex是复数)
complex<double> *X1=new complex<double>[N];
complex<double> *X2=new complex<double>[N];
///计算加权系数
for (int i=0;i<N/2;i++)
{
double angle=-i*PI*2/N;
W[i]=complex<double>(cos(angle),sin(angle));
}
//将时域点写入X1
memcpy(X1,TD,sizeof(complex<double>) *N);
//采用蝶形算法进行FFT
for (int k=0;k<r;k++) //进行第几级运算
{
for (int j=0;j<1<<k;j++) /当前所有的蝶形开始运算
{
int bfsize=1<<(r-k);
for (int i=0;i<bfsize/2;i++) 相邻蝶形运算
{
int p=j*bfsize;
X2[i+p]=X1[i+p] + X1[i+p+bfsize/2];
X2[i+p+bfsize/2]=(X1[i+p]-X1[i+p+bfsize/2])*W[i*(1<<k)];
}
}
complex<double>* X=X1;
X1=X2;
X2=X;
}
重新排序
for (int j=0;j<N;j++)
{
int p=0;
for (int i=0;i<r;i++)
{
if (j&(1<<i))
{
p+=1<<(r-i-1);
}
}
FD[j]=X1[p];
}
//释放内存
delete W;
delete X1;
delete X2;
}


bool Fourier(IplImage* src,IplImage*dst,int width,int height)
{
/傅里叶的宽、高为2的整数次方（FFT）
int w=1,h=1;
int wp=0,hp=0;/2的幂次数,即迭代次数
/计算进行傅里叶变换的宽度和高度（2的整数次方）
while (w*2<=width)
{
w*=2;
wp++;
}
while (h*2<=height)
{
h*=2;
hp++;
}
//分配内存
complex<double> *TD=new complex<double>[w*h];
complex<double> *FD=new complex<double>[w*h];

for (int i=0;i<h;i++)行
{
for (int j=0;j<w;j++)列
{
int pixel=((uchar*)src->imageData+i*src->widthStep)[j];
//给时域赋值
TD[j+w*i]=complex<double>(pixel,0);
}
}
//对y方向进行FFT
for (int i=0;i<h;i++)
{
FFT(&TD[w*i],&FD[w*i],wp);
}
保存变换结果
for (int i=0;i<h;i++)
{
for (int j=0;j<w;j++)
{
TD[i+h*j]=FD[j+w*i];
}
}
//对x方向进行FFT
for (int i=0;i<w;i++)
{
FFT(&TD[i*h],&FD[i*h],hp);
}
for (int i=0;i<h;i++)
{
for (int j=0;j<w;j++)
{
计算频谱
double temp=sqrt(FD[j*h+i].real()*FD[j*h+i].real()+
FD[j*h+i].imag()*FD[j*h+i].imag())/100;
if (temp>255)
{
temp=255;判断超过255，直接赋值为255
}
//指向第（i<h/2?i+h/2:i-h/2）行，第j<w/2?j+w/2:j-w/2个像素的指针
//不直接取i和j，是为了将变换后的原点移动到中心
((uchar*)dst->imageData+(i<h/2?i+h/2:i-h/2)*dst->widthStep)[j<w/2?j+w/2:j-w/2]=temp;
}
}
/删除临时变量
delete TD;
delete FD;
return true;

}


计算图像傅立叶变换的过程：首先对每一行做一维FFT，然后对每一列做一维FFT。具体来说，先对第0行的N个点做FFT（实部有值，虚部为0），将FFT输出的实部放回原来第0行的实部，FFT输出的虚部放回第0行的虚部，这样计算完全部行之后，图像的实部和虚部包含的是中间数据，然后用相同的办法进行列方向上的FFT变换，这样N*N的图像经过FFT得到一个N*N的频谱。 

转载请注明出处：http://write.blog.csdn.net/postedit?ref=toolbar&ticket=ST-151395-IMJTd7IBxv5OB7K5dq2y-passport.csdn.net

hefeng91
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
matlab 遍历图像_二维Fourier变换及Matlab实现
weixin_28889765的博客
01-31 687
对于一个二维图像，二维Fourier变换本质上可以理解为在一组由Sine、Cosine函数构成的二维基底下，求取每个基底对应的相关值，这些相关值构成了这个二维图像在Fourier变换基下的表达2D Continuous Fourier变换表达式 其中， 表示空域图像， 表示对应的频域图像， 表示空间坐标， 表示频率取值， 可以理解为变换的基底，这些基底是由Sine、Cosine函数构成的2...
图像傅里叶变换
kahncc的博客
11-03 556
分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 冈萨雷斯版&l
对图像进行二维离散Fourier变换
FPGA/MATLAB学习教程/源码/项目合作开发
03-04 1835
用函数fft2对图像进行二维离散Fourier变换。用图像的形式分别显示清晰的频谱幅度和相位。对图像用窗函数加权，观察其Fourier变换，解释加窗前后的变化。对图像作Fourier变换和反变换。将图像频谱的幅度和相位部分分离。分别对幅度部分和相位部分求Fourier反变换，观察得到的空域结果并解释所观察到的现象。 close all;clear all %---------------------------------------------------------------------...
数字图像处理实验二 图像傅里叶变换 实验报告 附代码 结果 数据
12-16
1.了解图像频域处理的意义和手段； 2.通过实验了解二维频谱的分布特点； 3.熟悉连续、离散傅里叶变换的基本性质； 4.熟练掌握图像傅里叶变换的方法及应用；
Matlab图像处理系列4———图像傅立叶变换与反变换
qq_36542241的博客
09-12 5975
注：本系列来自于图像处理课程实验，用Matlab实现最基本的图像处理算法 1.Fourier变换 （1）频域增强 除了在空间域内可以加工处理图像以外，我们还可以将...
数字图像处理实验
多学习
05-24 7011
数图实验 2021-05-23 实验一 图像变换 实验目的 1：了解二维fourier变换的原理 2：掌握二维fourier变换的性质 3：掌握离散余弦变换的原理 实验内容 1.绘制一个二值，并将其傅里叶函数可视化**。** close all; clear; f = zeros(40, 40); f(10:30, 10:30) = 1; subplot(1, 3, 1); imshow(f); F = fft2(f); subplot(1, 3, 2); imshow(F); D = log(1
【Fourier变换】傅里叶变换的性质与常用变换对（附注意事项）
热门推荐
xuzhengzhe的博客
09-09 1万+
本文为学习笔记，讲述了傅里叶（Fourier）变换的性质及常用变换对，并且简单推导了单位阶跃函数的Fourier变换.
图像处理 Fourier变换
05-09
图像处理中的Fourier变换是一种重要的数学工具，它在理解和分析图像的频率特性方面发挥着关键作用。Fourier变换可以将一个图像从空间域（即像素的直接表示）转换到频率域，揭示图像中的频率成分。这些频率成分对应于...
Fourier变换及其基本应用
11-07
本资源旨在介绍 Fourier 变换的基本概念和应用，包括频率滤波器的使用、逆滤波复原和维纳滤波复原的方法，以及抑制图像中正弦干扰的交互式复原法。 1. Fourier 变换的意义和性质 Fourier 变换是一种数学变换，它将...
图像2D快速傅立叶变换
06-06
掌握Fourier变换、反变换的算法实现，并验证Fourier变换的性质，初步理解Fourier变换的物理意义。 用Fourier变换算法对图像作二维Fourier变换。 用Fourier反变换算法对图像作二维Fourier反变换。 评价人眼对图像幅度特性和相位特性的敏感度。
二维离散Fourier变换图像处理实验报告.doc
03-22
二维离散Fourier变换图像处理
Fourier图像频域变换
05-18
Fourier图像频域变换，已测试通过，附有测试图片 vc++
Fourier 变换及其相关理论
08-03
选题背景与意义Fourier 分析博大精深. 横跨代数, 微分方程, 分析, 数论等多个数学领域. 在力学, 光学等物理领域有深刻应用. 在图像处理, 信号处理
fourier 傅里叶变换
11-10
fourier(对图像进行傅立叶变换处理（图像变换）的源代码，编译后的可执行文件须带参数运行)
Fourier变换、Fourier余弦变换和Fourier正弦变换
manmanman11的博客
04-12 3706
F[f(t)]=∫−∞∞f(t)e−iωtdtF\left[ f\left( t \right) \right]=\int_{-\infty }^{\infty }{f\left( t \right)}{{e}^{-i\omega t}}dtF[f(t)]=∫−∞∞​f(t)e−iωtdtf(t)=12π∫−∞∞F(ω)eiωtdωf\left( t \right)=\frac{1}{2\pi }\int_{-\infty }^{\infty }{F\left( \omega \right)}{{e}^{
matlab fftshift_MATLAB实验——FFT变换
weixin_39974409的博客
11-23 483
实验基本原理与设计1 应用傅立叶变换进行图像处理傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。通过实验培养这项技能，将有助于解决大多数图像处理问题。对任何想在工作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶变换上是很有必要的。2 傅立叶(Fourier)变换的定义对于二维信号，二维Fouri...
Fourier分析入门——第11章——Fourier变换
ComputerInBook的专栏
05-29 1467
Fourier变换
Fourier变换及其应用(Brad G. Osgood)——第2章——Fourier变换
最新发布
ComputerInBook的专栏
07-30 992
Fourier变换
编程实现图像的Fourier变换及其反变换，输出图像的频谱图像。用matlab代码
06-06
以下是用MATLAB实现图像的Fourier变换及其反变换的代码，并输出频谱图像： ```matlab % 读取图像 img = imread('lena.bmp'); % 将图像转换为灰度图像 if size(img,3)>1 img = rgb2gray(img); end % 将图像类型...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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