对图像进行快速傅里叶变换，然后计算两张图像在频域空间的L1loss

QT-Smile

已于 2023-03-03 21:38:31 修改

阅读量187

点赞数

分类专栏：经验分享文章标签：计算机视觉 python opencv

于 2023-03-03 21:23:53 首次发布

本文链接：https://blog.csdn.net/qq_34848334/article/details/129327553

版权

经验分享专栏收录该内容

15 篇文章 0 订阅

订阅专栏

对图像进行快速傅里叶变换，然后计算两张图像在频域空间的L1loss

import numpy as np
import torch.nn as nn
import torch
import cv2



def kuaisufuliyebianhuan(src_path):
    # 1 读取图像 0表示按照灰度图片读取
    img = cv2.imread(src_path, 0)
    # 2 傅里叶变换
    # 2.1 正变换
    dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
    # 2.2 频谱中心化
    dft_shift = np.fft.fftshift(dft)
    # 2.3 计算频谱和相位谱
    mag, angle = cv2.cartToPolar(dft_shift[:, :, 0], dft_shift[:, :, 1], angleInDegrees=True)
    mag = 20 * np.log(mag)
    return mag

def main_loss(src_path01, src_path02):

    mag01 = kuaisufuliyebianhuan(src_path01)
    mag02 = kuaisufuliyebianhuan(src_path02)

    loss = nn.L1Loss()
    mag01 = torch.tensor(mag01, requires_grad=True)
    mag02 = torch.tensor(mag02)
    loss_value = loss(mag01, mag02)
    return loss_value