Opencv 基于傅里叶变换的图片高光滤波处理

cv::Mat  CfilterDlg::IFFT(cv::Mat grayImage)
{
	// 将图像拓展到傅里叶变换的最佳尺寸
	int row = cv::getOptimalDFTSize(grayImage.rows);
	int col = cv::getOptimalDFTSize(grayImage.cols);

	// 将扩展后的尺寸设置为0
	cv::Mat padded;
	copyMakeBorder(grayImage, padded, 0, row - grayImage.rows, 0, col - grayImage.cols, cv::BORDER_CONSTANT, cv::Scalar::all(0));

	// 傅里叶计算的实部与虚部
	cv::Mat planes[] = { cv::Mat_<float>(padded),cv::Mat_<float>(padded.size(),CV_32F) };
	cv::Mat complexI;
	cv::merge(planes, 2, complexI);

	// 进行傅里叶变换
	cv::dft(complexI, complexI);

	// 将复数转换为幅值
	cv::Mat magnitudeImage;
	cv::split(complexI, planes);

	// 滤波处理
	for (int i = 0; i < 2; i++)
	{
		for (int r = 0; r < padded.rows; r++)
		{
			for (int c = 0; c < padded.cols; c++)
			{
				float distance = sqrt(pow((r - padded.rows / 2.0f), 2) + pow((padded.cols - padded.cols / 2.0f), 2));
				float fv = 1 / (1 + pow((distance / 200.0f), (2 * 2.0f))); // Butterworth 滤波函数
				planes[i].at<float>(r, c) *= fv;

			}
		}
	}

	// 重做合并图片
	cv::merge(planes, 2, complexI);

	// 逆傅里叶变换
	cv::Mat ifft, result;
	cv::idft(complexI, ifft, cv::DFT_REAL_OUTPUT);
	cv::split(ifft, planes);
	cv::magnitude(planes[0], planes[1], magnitudeImage);

	// 归一化
	normalize(magnitudeImage, result, 0, 255, CV_MINMAX);
	result.convertTo(result, CV_8UC1);
	cv::imwrite("result.jpg", result);

	return result;
}

原图

 处理图

 对比效果

对比发现，高光部分 处理效果明显。