基于OpenCV-Python的彩色图像傅里叶变换

如果用OpenCV-Python进行图像的离散傅里叶变换与逆变换其实还蛮简单的，流程就是上图所示，值得注意的是，如果是多通道的图像，譬如多光谱、高光谱图像，需要对每个通道都进行傅里叶变换，最后再聚合，如果只是RGB，可以用如下方式合成灰度图，只需要对灰度图做处理即可。

img1 = 0.2126 * image1[:,:,0] + 0.7152 * image1[:,:,1] + 0.0722 * image1[:,:,2]

import cv2 as cv  
import numpy as np  
import matplotlib.pyplot as plt  
  
# 测试图像  
ori=cv.imread(r"F:\ori.jpg")  
  
# numpy 中的 fft 需要输入灰度图,我们需要将图像分割成不同的通道  
def getRGBDFT(img):  
    # cv2默认的图像通道是BGR，需要进行转换  
    img=cv.cvtColor(img,cv.COLOR_BGR2RGB)  
    # 分离通道  
    r,g,b=cv.split(img)  
    # 对每个通道进行傅里叶变换  
    f_r,f_g,f_b=_dft(r),_dft(g),_dft(b)  
    # 组合通道,还是以bgr格式返回  
    return cv.merge([f_b,f_g,f_r])  
  
def _dft(img):  
    f=cv.dft(np.float32(img),flags=cv.DFT_COMPLEX_OUTPUT)  
    # 计算幅度谱  
    magnitude=cv.magnitude(f[:,:,0],f[:,:,1])  
    # 对数变换增强对比度  
    res=np.log(magnitude+1)  
    # 移动低频分量至中心  
    return np.fft.fftshift(res)  
  
out=getRGBDFT(ori)  
  
# 选取
plt.subplot(121),plt.imshow(ori[:,:,0],cmap='gray')  
plt.title("Ori"),plt.xticks([]),plt.yticks([])  
plt.subplot(122),plt.imshow(out[:,:,0],cmap='gray')  
plt.title("Magnitude"),plt.xticks([]),plt.yticks([])  
plt.show()

我们查看B通道的图像与傅里叶幅度谱：

接下来要进行傅里叶逆变换，代码如下：

def _idft(img):  
    img=np.fft.ifftshift(img