傅里叶变换

傅里叶变换

理论基础

时间域与频域相互转换来看信号

使用Numpy实现傅里叶变换

numpy.fft.fft2

• 实现傅里叶变换
• 返回一个复数数组(complex ndarray)

numpy.fft.fftshift

• 将零频率分量移到频谱中心

20*np.log(np.abs(fshift))

• 设置频谱的范围

操作小记

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

img = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", 0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
result = 20 * np.log(np.abs(fshift))

plt.subplot(121)
plt.imshow(img, cmap='gray')
plt.title('ori')
plt.axis('off')

plt.subplot(122)
plt.imshow(result, cmap='gray')
plt.title('res')
plt.axis('off')

plt.show()

效果

注意：

• 傅里叶得到低频、高频信息，针对低频、高频处理能够实现不同的目的
• 傅里叶过程是可逆的，图像进过傅里叶变换、逆傅里叶变换后，能够恢复到原始图像
• 在频域对图像进行处理，在频域的处理会反映在逆变换图像上

numpy实现逆傅里叶变换

numpy.fft.ifft2

• 实现逆傅里叶变换，返回一个复数数组(complex ndarray)

numpy.fft.ifftshift

• fftshift函数的逆函数

iimg = np.abs(逆傅里叶变换结果)

• 设置值的范围

操作小记

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

img = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", 0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
ishift = np.fft.ifftshift(fshift)
iimg = np.fft.ifft2(ishift)
iimg = np.abs(iimg)
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('ori'), plt.axis('off')

plt.subplot(122), plt.imshow(iimg, cmap='gray')
plt.title('iimg'), plt.axis('off')

plt.show()

效果

高通滤波演示

低频、高频

• 低频对应图像内变化缓慢的灰度分量。例如，在一幅大草原的图像中，低频对应着广袤的颜色趋于一致的草原
• 高频对应图像内变化越来越快的灰度分量，是由灰度的尖锐过渡造成的。例如，在一幅大草原的图像中，其中狮子的边缘等信息
• 衰减高频而通过低频，低频滤波器，将模糊一幅图像
• 衰减低频而通过高频，高通滤波器，将增强尖锐的细节，但是会导致图像的对比度降低

滤波

• 接受（通过）或者拒绝一定频率的分量
• 通过低频的滤波器称为低通滤波器
• 通过高频的滤波器称为高通滤波器

频域滤波

• 修改傅里叶变换以达到特殊目的，然后计算IDFT返回到图像域
• 特殊目的：图像增强、图像去噪、边缘检测、特征提取、压缩、加密等

操作小记

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

img = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", 0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)

rows,cols = img.shape
crow,ccol = int(rows/2), int(cols/2)
fshift[crow-30:crow+30, ccol-30:ccol+30] = 0

ishift = np.fft.ifftshift(fshift)
iimg = np.fft.ifft2(ishift)
iimg = np.abs(iimg)

plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('img'), plt.axis('off')
plt.subplot(122), plt.imshow(iimg, cmap='gray')
plt.title('iimg'), plt.axis('off')
plt.show()

效果

OpenCV实现傅里叶变换

返回结果=cv2.dft(原始图像, 转换标识)

• 返回结果
  • 是双通道的
  • 第1个通道是结果的实数部分
  • 第2个通道是结果的虚数部分
• 原始图像
  • 输入图像是首先转换成np.float32格式
  • np.float32(img)
• 转换标识
  • flags=cv2.DFT_COMPLEX_OUTPUT
  • 输出一个复数阵列

返回值=cv2.magnitude(参数1, 参数2)：计算幅值

• 参数1：浮点型X坐标值，也就是实部
• 参数2：浮点型Y坐标值，也就是虚部

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

img = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", 0)

dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
dftShift = np.fft.fftshift(dft)
res = 20 * np.log(cv2.magnitude(dftShift[:, :, 0], dftShift[:, :, 1]))

plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('img'), plt.axis('off')
plt.subplot(122), plt.imshow(res, cmap='gray')
plt.title('res'), plt.axis('off')
plt.show()

效果

OpenCV实现逆傅里叶变换

返回结果=cv2.idft(原始数据)

• 返回结果：取决于原始数据的类型和大小
• 原始数据：实数或者复数均可

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

img = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", 0)

dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
dftShift = np.fft.fftshift(dft)
ishift = np.fft.ifftshift(dftShift)
ilmg = cv2.idft(ishift)
ilmg = cv2.magnitude(ilmg[:, :, 0], ilmg[:, :, 1])

plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('img'), plt.axis('off')
plt.subplot(122), plt.imshow(ilmg, cmap='gray')
plt.title('inverse'), plt.axis('off')
plt.show()

效果

低通滤波示例

操作小记

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

img = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", 0)

dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
dftShift = np.fft.fftshift(dft)
rows, cols = img.shape
crow, ccol = int(rows/2), int(cols/2)
mask = np.zeros((rows, cols, 2), np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 1

fShift = dftShift*mask

ishift = np.fft.ifftshift(fShift)
ilmg = cv2.idft(ishift)
ilmg = cv2.magnitude(ilmg[:, :, 0], ilmg[:, :, 1])

plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('img'), plt.axis('off')
plt.subplot(122), plt.imshow(ilmg, cmap='gray')
plt.title('res'), plt.axis('off')
plt.show()

效果