opencv-python实现 图像增强_傅立叶变换(利用频率域滤波方法去掉图像“house”中的竖条纹)

利用频率域滤波方法去掉图像“house”中的竖条纹

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 将gif图片转换成可识别图像
gif = cv2.VideoCapture('house.gif')
ret, frame = gif.read()
if ret:
    print('change success!')
    img = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY)
else:
    print("change fail!")

# 傅里叶变换
dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)  # 将空间域转换为频率域
dft_shift = np.fft.fftshift(dft)  # 将低频部分移动到图像中心
rows, cols = img.shape

# create a mask first, center square is 1, remaining all zeros
mask = np.zeros((rows, cols, 2), np.uint8)
for i in range(rows):
    for j in range(cols):
        mask[i][j] = 1

m = 18 # 越小越清晰,越大越糊
n = 14 # 越小越糊,越大越清晰
mask[int(rows / 2 - m):int(rows / 2 + m), int(cols / 2 - m):int(cols / 2 + m)] = 0
mask[int(rows / 2 - n):int(rows / 2 + n), int(cols / 2 - n):int(cols / 2 + n)] = 1

# apply mask and inverse DFT
fshift = dft_shift * mask


f_ishift = np.fft.ifftshift(fshift) # fftshit()函数的逆函数,它将频谱图像的中心低频部分移动至左上角
img_back = cv2.idft(f_ishift) # 将频率域转化回空间域,输出是一个复数,cv2.idft()返回的是一个双通道图像
img_back2 = cv2.magnitude(img_back[:, :, 0], img_back[:, :, 1]) # idft[:,:,0]求得实部,用idft[:,:,1]求得虚部。

plt.subplot(131), plt.imshow(img, cmap='gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(132), plt.imshow(img_back2, cmap='gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.subplot(133), plt.imshow(20*np.log(img_back2), cmap='gray') # 归一化图像
plt.title('normalize'), plt.xticks([]), plt.yticks([])
plt.show()

result

  • 2
    点赞
  • 34
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我可以为您解答这个问题。首先,对于图像加水印,我们可以使用傅里叶变换(FFT)来实现。傅里叶变换可以将图像从空间域转换到频域,使得我们可以对其进行频域操作,例如在频域添加水印。接下来,我将为您提供一个Python示例代码,演示如何使用OpenCV的FFT函数来实现图像加水印。 ``` import cv2 import numpy as np # 加载图像 img = cv2.imread("lena.png", cv2.IMREAD_GRAYSCALE) # 获取图像尺寸 rows, cols = img.shape # 傅里叶变换 f = np.fft.fft2(img) # 移动零频分量到频谱心 fshift = np.fft.fftshift(f) # 创建水印 watermark = np.zeros((rows, cols), dtype=np.uint8) cv2.putText(watermark, "Watermark", (100, 100), cv2.FONT_HERSHEY_SIMPLEX, 1, 255) # 将水印转换为频域 w = np.fft.fft2(watermark) # 移动零频分量到频谱心 wshift = np.fft.fftshift(w) # 将水印添加到图像 fwatermark = fshift + 0.1 * wshift # 移动零频分量回到左上角 fwatermarkshift = np.fft.ifftshift(fwatermark) # 反傅里叶变换 iwatermark = np.fft.ifft2(fwatermarkshift) # 取实部 iwatermark = np.real(iwatermark) # 将结果转换为0-255的灰度图像 iwatermark = cv2.normalize(iwatermark, dst=None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U) # 显示结果 cv2.imshow("Original Image", img) cv2.imshow("Watermarked Image", iwatermark) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个示例,我们首先加载了一张灰度图像,并对其进行了傅里叶变换。然后,我们创建了一个水印图像,并将其转换为频域。接下来,我们将水印添加到原始图像的频域表示,并将结果转换回空间域。最后,我们显示了原始图像和添加水印后的图像。 请注意,这个示例只是演示了如何使用傅里叶变换来添加水印。在实际应用,可能需要采用更复杂的算法来保证水印的鲁棒性和不可见性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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