OpenCv3编程学习六

离散傅里叶变化

dft()函数，就是对一维或者二维数组进行正向或反向离散傅里叶变化，第一个和第二个参数分别是输入和输出，第三个参数是转换类型，第四个参数是选择图像的行数。
getOptimalDFTSize()函数是返回DFT的最优尺寸大小，只有一个代表向量尺寸的参数。
copyMakerBorder()函数的作用是扩充图像边界，首先两个参数是输入和输出的图像，然后四个参数是表示四个方向扩展出来的像素边界。
magnitude()函数，是用来计算二维矢量的幅值，前面两个参数是矢量的实部和虚部，第三个参数是输出的幅值。
log()函数，用来计算自然对数，第一个是输入图像的参数，第二个是得到的对数值。
normalize()函数，矩阵归一化函数，分别的参数就是输入图像和输出图像，并且还有一些输入的值
离散傅里叶变换的具体步骤：
1.读入以灰度化为原型的图像
2.将图像扩大到合适的尺寸，使用getOptimalDFTsize() 来返回最佳尺寸，使用copyMakeBorder()来填充边缘像素
3.再将傅里叶变化存储空间
4.也是调用傅里叶函数，将同一个图像进行变化
5.使用代码将复数转化为幅值
6.使用对数尺寸来替换线性尺寸，为凸显屏幕的高低变化
7.修整幅度图像限，为了让原点能在图像的中心
8.为了提高显示，进行归一处理
9.最后将结果显示出来

#include <iostream>  
#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp> 
#include<opencv2/imgproc/imgproc.hpp>

using namespace cv;

int main()
{
	//首先是读入图像
	Mat srcImage = imread("1.jpg",0);//灰度化的情况
	if (!srcImage.data) {
		printf_s("读取图片出现错误");
		return false;
	}
	//再进行展示
	imshow("原始图像", srcImage);
	//ShowHelpText();
	//然后是扩尺寸
	int m = getOptimalDFTSize(srcImage.rows);
	int n = getOptimalDFTSize(srcImage.cols);
	//将添加的像素初始化为0
	Mat padded;
	copyMakeBorder(srcImage, padded, 0, m - srcImage.rows, 0, n - srcImage.cols, BORDER_CONSTANT, Scalar::all(0));
	//将傅里叶的结果进行分配存储。创建的一个新数组来进行合并
	Mat planes[] = { Mat_<float>(padded),Mat::zeros(padded.size(),CV_32F) };
	Mat complexI;
	merge(planes, 2, complexI);
	//再进行就地傅里叶变换
	dft(complexI, complexI);
	//再讲复数转换为幅值
	split(complexI, planes);//这个函数的作用是将complexI分隔成好几个单通道数组
	//计算二维矢量的幅度
	magnitude(planes[0], planes[1], planes[0]);
	Mat magnitudeImage = planes[0];
	//然后再进行对数的缩放
	magnitudeImage += Scalar::all(1);
	log(magnitudeImage, magnitudeImage);//这个就是求对数
	//再对图像进行修剪
	//其中如果是奇数行的话，就进行频谱剪裁，第二步是为了提高处理速度而延扩了图像
	magnitudeImage = magnitudeImage(Rect(0, 0, magnitudeImage.cols&-2, magnitudeImage.rows&-2));
	//再重新排列图像，让他在中心
	int cx = magnitudeImage.cols / 2;
	int cy = magnitudeImage.rows / 2;
	//在对四个区域进行对应的修改
	Mat q0(magnitudeImage, Rect(0, 0, cx, cy));
	Mat q1(magnitudeImage, Rect(cx, 0, cx, cy));
	Mat q2(magnitudeImage, Rect(0, cy, cx, cy));
	Mat q3(magnitudeImage, Rect(cx, cy, cx, cy));
	//再创建一个变量
	Mat tmp;
	q0.copyTo(tmp);
	q3.copyTo(q0);
	tmp.copyTo(q3);
	//都是在交换象限
	q1.copyTo(tmp);
	q2.copyTo(q1);
	tmp.copyTo(q2);
	//进行归一化，将浮点值换成可视的图像格式
	normalize(magnitudeImage, magnitudeImage, 0, 1, NORM_MINMAX);
	//最后将结果显示
	imshow("频谱显示", magnitudeImage);
	waitKey();
	return 0;

}