本文介绍了傅里叶变换的理论基础，详细讲解了使用numpy进行傅里叶变换和逆变换的步骤，并展示了如何在频域进行高通滤波和低通滤波。此外，还探讨了OpenCV中实现傅里叶变换和逆变换的函数及其应用。
python-opencv(13)傅里叶变换
文章目录
1. 傅里叶变换的理论基础
离散的傅里叶变换建立的函数从空间域之间的转换关系，把空间域难以显示的特征在频率域中十分清楚的显示出来。在数字图像处理中，经常需要这种转换关系和转换规律。具体请看数字图像处理一书。
注意：
- 傅里叶得到高频和低频的信息，针对低频，高频处理能够实现不同的目的。
- 傅里叶过程是可逆的，图像经过傅里叶变换，逆傅里叶变换后，能够恢复到原始的图像。
- 在频率对图像进行处理，在频域的处理会反映在逆变换图像上。
2. numpy实现傅里叶变换
2.1. 相关的函数
函数：numpy.fft.fft2
- 实现傅里叶变换
- 返回的是一个复数数组
函数：numpy.fft.fftshift
将零频率分量移动到频谱中心，有下图所示。
函数&
订阅专栏 解锁全文
扫一扫
600
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
