OpenCV-Python学习------------直方图处理------------傅里叶变换

1. 直方图处理

1.1 绘制直方图

1.1.1 使用Numpy绘制直方图

1.1.2 使用OpenCV绘制直方图

1.1.3 使用掩模绘制直方图

1.2 直方图均衡化

1.3 pyplot模块介绍

1.3.1 subplot函数

matplotlib.pyplot.subplot（nrows，ncols，index）
. nrows为行数
. ncols为列数
. index为窗口序号

1.3.2 imshow（）

matplotlib.pyplot.imshow（x，cmap=None）
. x为图像信息，可以是各种形式的数值
. cmap表示色彩空间，默认使用RGB色彩空间

2.傅里叶变换

2.1 Numpy实现傅里叶变换

2.1.1 实现傅里叶变换

返回值=numpy.fft.fft2（原始图像）
. 原始图像是一个灰度图像
. 返回值是一个复数数组

返回值=numpy.fft.fftshift（原始频谱）
. 图像频谱中的零频率分量会被移到频域图像的中心位置

对图像进行傅里叶变换后，得到的是一个复数数组，为了显示为图像，需要将他们的值调整到[0,255]的灰度空间内，使用的公式为：

像素新值 =20*np.log（np.abs（频谱值））

2.1.2 实现逆傅里叶变换

调整后的频谱=numpy.fft.ifftshift（原始频谱）
返回值=numpy.fft.ifft2（频域数据）
. 返回值仍旧是一个复数数组
逆傅里叶变换得到的空域信息是一个复数数组，需要将该信息调整至[0,255]灰度空间内，使用的公式为：
iimg=np.abs（逆傅里叶变换结果）

2.1.3 高通滤波器

. 允许低频信号通过的滤波器称为低通滤波器。低通滤波器使高频信号衰减而对低频信号放行，会使图像变模糊。
. 允许高频信号通过的滤波器称为高通滤波器。高通滤波器使低频信号衰减而让高频信号通过，将增强图像中尖锐的细节，但是会导致图像的对比度降低。

2.2 OpenCV实现傅里叶变换

2.2.1 实现傅里叶变换

返回结果=cv.dft（原始图像，转换标识）
. “原始图像”，首先使用np.float32()函数将图像转换成np.float32格式。
. “转换标识”的值通常为“cv.DEF_COMPLEX_OUTPUT",用来输出一个复数阵列

dftshift=np.fft.fftshift（dft）

返回值=cv.magnitude（参数1，参数2） #计算频谱信息的幅度
. 参数1：浮点型x坐标值，实部
. 参数2：浮点型y坐标值，虚部（他和参数1具有相同的size大小）
. 返回值是参数1和参数2的平方和的平方根

result=20*np.log（cv.magnitude（实部，虚部））#将幅度值映射到灰度图像的灰度空间[0,255]内

2.2.2 实现逆傅里叶变换

返回结果=cv.idft（原始数据）

2.2.3 低通滤波示例