OpenCV中的傅里叶变换_opencv傅里叶变换查找缺陷-CSDN博客

本文链接：https://blog.csdn.net/qq_18649781/article/details/88850088

本文介绍了傅里叶变换在图像处理中的应用，重点讲解如何使用OpenCV库进行傅里叶变换，将图像从空间域转换到频域，通过分析频域图像的频率分布来揭示图像的细节和高频特征，如边缘和纹理。

摘要由CSDN通过智能技术生成

傅里叶变换 (FT) 是一个很重要的图像处理工具，用于将图像分解为频率组件。FT 的输出表示频域内的图像，而输出图像等同于空间域 (x, y)。在频域图像中，每个点表示空间域中包含的特定频率。因此，对于有很多高频组件（边缘、角落和条纹）的图像，频域中将有很多点的频率值很高。
以下是傅里叶变换的代码：

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

%matplotlib inline

#Read in the images
image_stripes = cv2.imread('images/stripes.jpg')
#Change color to RGB (from BGR)
image_stripes = cv2.cvtColor(image_stripes, cv2.COLOR_BGR2RGB)

#Read in the images
image_solid = cv2.imread('images/pink_solid.jpg')
#Change color to RGB (from BGR)
image_solid = cv2.cvtColor(image_solid, cv2.COLOR_BGR2RGB)


#Display the images
f, (ax1,ax2) = plt.subplots(1, 2, figsize=(10,5))

ax1.imshow(image_stripes)
ax2.imshow(image_solid)

#convert to grayscale to focus on the intensity patterns in the image
gray_stripes = cv2.cvtColor(image_stripes, cv2.COLOR_RGB2GRAY)
gray_solid = cv2.cvtColor(