频域的理解
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/78322cd421c360af3f960f127497e9e4.png)
频域的作用
- 低通滤波器:只保留低频,会使得图像模糊
- 高通滤波器:只保留高频,会使得图像细节增强
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/68312fc7f6494a3dfdcb0c54647ba6a3.png)
- opencv中主要是:cv2.dft()和 cv2.idft()傅里叶变换和傅里叶逆变换
- 输入的图像也要先转换成np.float32格式才可以
- 得到的结果中频率为0的部分在左上角,通常还要转换到中心位置,可以通过shift变换实现
- cv2.dft()返回的是双通道的(实部和虚部),还要进行转换成图像的格式(0~255)才能进行显示
cv2.dft()和 cv2.idft()傅里叶变换和傅里叶逆变换
傅里叶变换
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('../image/lena.jpg',0)
img_float32 = np.float32(img)
dft = cv2.dft(img_float32,flags=cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)
magnitude_spectrum = 20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))
plt.subplot(121),plt.imshow(img,cmap='gray')
plt.title('input image'),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(magnitude_spectrum,cmap='gray')
plt.title('magnitude spectrum'),plt.xticks([]),plt.yticks([])
plt.show()
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/df6e56c8b1785ce667618df20131c3d2.png)
低通滤波器
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/cba1360d194a1a548833ac3608909e75.png)
"""
低通滤波器
"""
img = cv2.imread('../image/lena.jpg',0)
img_float32 = np.float32(img)
dft = cv2.dft(img_float32,flags=cv2.DFT_COMPLEX_OUTPUT)
dft_shift = 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 = dft_shift*mask
f_ishift = np.fft.ifftshift(fshift)
img_back = cv2.idft(f_ishift)
img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1])
plt.subplot(121),plt.imshow(img,cmap='gray')
plt.title('input image'),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(img_back,cmap='gray')
plt.title('Result'),plt.xticks([]),plt.yticks([])
plt.show()
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/5eecfb1b2ba0e7cdd71c4f50d8264d79.png)
高通滤波器
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/a2e78484306e87ae703fe5f1ab66bf40.png)
"""
高通滤波器:和低通滤波器正好相反
"""
img = cv2.imread('../image/lena.jpg',0)
img_float32 = np.float32(img)
dft = cv2.dft(img_float32,flags=cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)
rows,cols = img.shape
crow,ccol = int(rows/2),int(cols/2)
mask = np.ones((rows,cols,2),np.uint8)
mask[crow-30:crow+30,ccol-30:ccol+30] = 0
fshift = dft_shift*mask
f_ishift = np.fft.ifftshift(fshift)
img_back = cv2.idft(f_ishift)
img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1])
plt.subplot(121),plt.imshow(img,cmap='gray')
plt.title('input image'),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(img_back,cmap='gray')
plt.title('Result'),plt.xticks([]),plt.yticks([])
plt.show()
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/fa3d644919657416ffffdf19b6913bc0.png)