对图像进行傅立叶变换
首先按列(或者按行)进行傅立叶变换,得到一个变换的矩阵,然后再对变换的矩阵按行(或者按列)进行傅立叶变换,从而每个像素点可以得到一个复数相对应。
具体的代码流程:
第一步将读入的图片转成傅立叶变换速度最快的大小。
Mat padded;
int m = getOptimalDFTSize(src.rows);
int n = getOptimalDFTSize(src.cols);
copyMakeBorder(src,padded,0,m - src.rows,0,n- src.cols,BORDER_CONSTANT,Scalar::all(0));
copyMakeBorder():主要用来对图片加边框。
copyMakeBorder(
输入图片,
输出图片,
上部加多少个像素,
下部。。。。,
左部。。。。,
右部。。。。,
BORDER_CONSTANT,
Scalar::all(0)
);
第二步定义一个两通道的Mat对象,存储dft变换的结果。
Mat planes[] = {Mat_<float>(padded),Mat::zeros(padded.size(),CV_32F)};
Mat complexI;
merge(planes,2,complexI);
merge():将一个二维的Mat数组合并为一个两通道的Mat对象。
merge(
输入的数组,
数组的大小,
输出的多通道Mat
);
第三步进行傅立叶变换
dft(complexI,complexI);
傅立叶变换将变换的结果存储在complexI中,0通道存储实部,1通道存储虚部。
第四步取出变换的结果进行相应的处理
split(complexI,planes);
magnitude(planes[0],planes[1],planes[0]);
Mat magI = planes[0];
split():用来将多通道的Mat对象分为数组
magnitude():计算一个复数的模长
split(
多通道的Mat对象,
与通道数相同的数组
);
magnitude(
输入的向量1-就是实部,
输入的向量2-就是虚部,
输出的向量-就是模长
);
最后将图片分为四部分重新拼组:
magI = magI(Rect(0, 0, magI.cols & -2, magI.rows & -2));
int cx = magI.cols/2;
int cy = magI.rows/2;
Mat q0(magI, Rect(0, 0, cx, cy)); // Top-Left - Create a ROI per quadrant
Mat q1(magI, Rect(cx, 0, cx, cy)); // Top-Right
Mat q2(magI, Rect(0, cy, cx, cy)); // Bottom-Left
Mat q3(magI, Rect(cx, cy, cx, cy)); // Bottom-Right
Mat tmp;
q0.copyTo(tmp);
q3.copyTo(q0);
tmp.copyTo(q3);
q1.copyTo(tmp);
q2.copyTo(q1);
tmp.copyTo(q2);
normalize(magI, magI, 0, 1, CV_MINMAX);
magI.rows&-2得到不大于magI.rows的最大偶数
完整的代码:
#include <ros/ros.h>
#include "opencv2/opencv.hpp"
using namespace std;
using namespace cv;
int main(int argc,char** argv)
{
Mat srv = imread("/home/dynamicw/Project/C++_Project/opencvtest/src/lesson01/source/icon.png",0);
Mat src = Mat::ones(srv.size(),srv.type());
for(int row = src.rows/2;row < src.rows-1;row++)
{
for(int col = 0;col < src.cols-1;col++)
{
// if(row < col)
src.at<uchar>(row,col) = 255;
}
}
int m = getOptimalDFTSize(src.rows);//得到最佳的傅立叶变换的值
int n = getOptimalDFTSize(src.cols);//同上
cout << "m=" << m << endl;
cout << "n=" << n << endl;
Mat padded;
copyMakeBorder(src,padded,0,m-src.rows,0,n-src.cols,BORDER_CONSTANT,Scalar::all(255));//为图片添加边框
imshow("padded",padded);
cout << "src size:" << src.size() << endl;
cout << "padded size:" << padded.size() << endl;
Mat planes[] = {Mat_<float>(padded),Mat::zeros(padded.size(),CV_32F)};//定义一个mat的数组
Mat complexI;
merge(planes,2,complexI);//将数组合并为一个两通道的mat对象
dft(complexI,complexI);//对图像进行傅立叶变换,将变换的结果实部存储在第一个通道中,虚部存储在第二个通道中
split(complexI,planes);//将两通道的Mat对象进行分离为一个二维数组
magnitude(planes[0],planes[1],planes[0]);//求模长,将plane{0}的实部和plane{1}的虚部平方和再开方,并将结果存放在planes{0}中
Mat magI = planes[0];//单独对模长构成的图像进行处理
magI += Scalar::all(1);
log(magI,magI);//M1 = log(M + 1)
magI = magI(Rect(0,0,magI.cols&-2,magI.rows&-2));//mag.cols&-2得到小于mag.cols的最大偶数
int cx = magI.cols/2;
int cy = magI.rows/2;
//将频率图分为四份
Mat q0(magI,Rect(0,0,cx,cy));
Mat q1(magI,Rect(cx,0,cx,cy));
Mat q2(magI,Rect(0,cy,cx,cy));
Mat q3(magI,Rect(cx,cy,cx,cy));
//将对角线的两部分进行交换,使原点位置在图片的中心
//去除前面加的边框
Mat tmp;
q0.copyTo(tmp);
q3.copyTo(q0);
tmp.copyTo(q3);
q1.copyTo(tmp);
q2.copyTo(q1);
tmp.copyTo(q2);
//标准化,将图片中的值序列化在相应的范围之内
normalize(magI,magI,0,1,CV_MINMAX);
imshow("src",src);
imshow("sdf",magI);
waitKey(0);
return 0;
}