OpenCV Numpy傅里叶变换

本文介绍了如何使用numpy.fft进行傅里叶变换和逆傅里叶变换。通过numpy.fft.fft2和numpy.fft.ifft2实现图像的傅里叶变换,并结合numpy.fft.fftshift和numpy.fft.ifftshift调整频谱位置。示例展示了具体的变换过程。
摘要由CSDN通过智能技术生成

任何连续的周期信号,可以由一组适当的正弦曲线组合而成 ——傅里叶

傅里叶变换
反傅里叶变换
shift
ishift
20*np.log
np.abs
原图
复数数组
低频移动
频域范围处理

傅里叶变换

函数 numpy.fft
  • numpy.fft.fft2
  1. 实现傅里叶变换。
  2. 返回一个复数数组。

  • numpy.fft.fftshift
  1. 将零频率分量移到频谱中心。
    在这里插入图片描述

  • 20*np.log(np.abs(fshift))
  1. 设置频谱的范围在这里插入图片描述

示例

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

img = cv2.imread('./hanser.jpg',0)		#0代表灰度模式
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('original'),plt.axis('off')

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

在这里插入图片描述

逆傅里叶变换

函数numpy.fft.ifft2
  • numpy.fft.ifft2
  1. 实现逆傅里叶变换,返回一个复数数组。

  • numpy.fft.ifftshift
  1. fftshift 函数的逆函数。

  • numpy.abs(iimg)
  1. 将复数数组转换为图像。

示例

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

img = cv2.imread('./hanser.jpg',0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)

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

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

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

在这里插入图片描述

【课程简介】 本课程基于面向Python的OpenCV,以OpenCV的官方文档的知识脉络为主线,介绍了OpenCV函数的具体使用方法、函数所使用的算法的具体原理。 在介绍函数使用时,提供了大量的程序案例演示。 在介绍具体原理时,采用了通俗易懂的语言和贴近生活的示例来说明问题,尽量避免涉及过于复杂抽象的公式。 课程包含数字图像处理的常用知识点,覆盖面全,方便学员系统深入全面地掌握OpenCV。 【你将收获什么】 1.  掌握数字图像的在计算机内表示的方法和处理的基本原理。掌握数字图像的表示方法是进行图像处理的前提和基础,能够为后续的智能图像处理打下坚实基础。 2.  使用好OpenCV开源库对于提升工作效率具有很大的帮助。OpenCV是优秀的开源库,提供了大量的函数帮助我们提升工作效率。大多数情况下,我们直接调用函数就能够满足我们的需求。同时,它的函数具有较好的交互性,能够根据需要更好地掌控图像处理的具体细节。 3.  学习图像处理的常用算法。课程不仅介绍函数的具体使用,也介绍了常用算法的基本原理,帮助学习者更好地理解图像处理的基本逻辑、方法,快速入门图像处理领域。 【我将如何教你】 1)在“黑盒”和“白盒“之间取得平衡  可以将OpenCV看成“黑盒”,不用关心其函数是如何实现的。在需要实现某一个功能时,直接调用其对应的函数即可,像使用Photoshop的各种功能一样。也可以将OpenCV看成“白盒”,关注其每一个函数的具体实现,认真研究每一个函数的具体实现方法和实现细节。这两种方式都是学习图像处理的很好方式,但是大多数课程过于强调其中某一种,要么忽略了算法的实现、要么忽略了使用方法。本课程尽量将OpenCV在“黑盒”和“白盒”之间取得平衡。既介绍算法的原理和方法,又将重点放在如何调用函数上,让学习者能够更加游刃有余地在计算机视觉项目中使用OpenCV来解决具体的问题。 2)将枯燥的算法采用具体的案例介绍  在图像处理中,有大量的算法保证了图像处理的准确、高效。OpenCV将一些常用的算法进行了封装,我们可以直接调用OpenCV的函数来使用对应的算法。但是,深入地理解算法能够帮助学习者更好地使用OpenCV函数。本课程尝试抛弃传统的使用复杂公式介绍算法的形式,尽量通过简单、通俗易懂的生活中实例来帮助学习者理解算法的基本逻辑 3)案例驱动、强调实战 OpenCV是一个庞大的资源库,提供了非常多的函数帮助我们高效地处理问题。初学者使用OpenCV的最大困惑就是熟练地掌握了每一个函数的调用方法,但是在解决实际问题时,不知道具体应该使用哪个函数。本课程通过大量的具体案例帮助学习快速掌握每个函数的应用场景,快速掌握OpenCV的核心使用方法和技巧。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值