python 傅里叶滤波_Python_OpenCV傅里叶变换

(一)、什么是傅里叶变换

我们生活在时间的世界中，早上700起来吃早饭，800去挤地铁，900开始上班。。。以时间为参照就是时域分析。但是在频域中—切都是静止的。

傅里叶变换的作用：

高频：变化剧烈的灰度分量，例如边界。

低频：变化缓慢的灰度分量，例如一片大海。

滤波：

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。

——opencv中主要就是cv2.dft()和cv2.idft()，输入图像需要先转换成np.float32 格式。

——得到的结果中频率为0的部分会在左上角，通常要转换到中心位置，可以通过shift变换来实现。——cv2.dft()返回的结果是双通道的(实部，虚部)，通常还需要转换成图像格式才能展示(0，255)。

(二)、理论部分

1、什么是频域

频域(frequency domain)是描述信号在频率方面特性时用到的一种坐标系。

傅里叶同学告诉我们，任何周期函数，都可以看作是不同振幅，不同相位正弦波的叠加。

周期函数

你眼中看似落叶纷飞变化无常的世界，实际只是躺在上帝怀中一份早已谱好的乐章。

2、正弦波的叠加过程

正弦波的叠加：随着叠加的递增，所有正弦波中上升的部分逐渐让原本缓慢增加的曲线不断变陡，而所有正弦波中下降的部分又抵消了上升到最高处时继续上升的部分使其变为水平线。

频域与时域

对信号进行分析时通常采用传统的傅立叶变换方法，傅立叶变换是时域和频域相互转换的数学工具，从物理意义上讲其实质是将信号分解成许多不同频率的正弦波的叠加。

图解

用Python进行绘图：

import matplotlib.pyplot as plt

import numpy