一. 傅里叶变化原理:
https://www.cnblogs.com/wojianxin/p/12529809.html
二. 高通滤波、低通滤波、带通滤波:
高通滤波:高频信息通过,低频信息被阻挡;
低通滤波:低频信息通过,高频信息被阻挡;
带通滤波:介于低频和高频之间的一带信息通过,其它信息被阻挡。
图解高通、低通、带通滤波器 ↑
三. python实现高通滤波实验:
# Writer : wojianxinygcl@163.com# Data : 2020.3.20import cv2import numpy as npfrom matplotlib import pyplot as plt#读取图像img = cv2.imread('../paojie_g.jpg', 0)#傅里叶变换dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)fshift = np.fft.fftshift(dft)#设置高通滤波器rows, cols = img.shapecrow,ccol = int(rows/2), int(cols/2) #中心位置mask = np.ones((rows, cols, 2), np.uint8)mask[crow-30:crow+30, ccol-30:ccol+30] = 0#掩膜图像和频谱图像乘积f = fshift * mask#傅里叶逆变换ishift = np.fft.ifftshift(f)iimg = cv2.idft(ishift)res = cv2.magnitude(iimg[:,:,0], iimg[:,:,1])#显示原始图像和高通滤波处理图像plt.subplot(121), plt.imshow(img, 'gray'), plt.title('Original Image')plt.axis('off')plt.subplot(122), plt.imshow(res, 'gray'), plt.title('High Pass Filter Image')plt.axis('off')plt.show()
四. 高通滤波实验结果:
高通滤波实验结果 ↑
五. python实现低通滤波实验:
# Writer : wojianxinygcl@163.com# Data : 2020.3.20import cv2import numpy as npfrom matplotlib import pyplot as plt#读取图像img = cv2.imread('../paojie_g.jpg', 0)#傅里叶变换dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)fshift = np.fft.fftshift(dft)#设置低通滤波器rows, cols = img.shapecrow,ccol = int(rows/2), int(cols/2) #中心位置mask = np.zeros((rows, cols, 2), np.uint8)mask[crow-30:crow+30, ccol-30:ccol+30] = 1#掩膜图像和频谱图像乘积f = fshift * mask#傅里叶逆变换ishift = np.fft.ifftshift(f)iimg = cv2.idft(ishift)res = cv2.magnitude(iimg[:,:,0], iimg[:,:,1])#显示原始图像和低通滤波处理图像plt.subplot(121), plt.imshow(img, 'gray'), plt.title('Original Image')plt.axis('off')plt.subplot(122), plt.imshow(res, 'gray'), plt.title('Low Pass Filter Image')plt.axis('off')plt.show()
六. 低通滤波实验结果:
低通滤波实验结果 ↑
七. python实现带通滤波实验:
# Writer : wojianxinygcl@163.com# Data : 2020.3.20import cv2import numpy as npimport mathfrom matplotlib import pyplot as plt#读取图像img = cv2.imread('../paojie_g.jpg', 0)#傅里叶变换dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)fshift = np.fft.fftshift(dft)#设置带通滤波器# w 带宽# radius: 带中心到频率平面原点的距离rows, cols = img.shapecrow,ccol = int(rows/2), int(cols/2) #中心位置w = 30radius = 30mask = np.ones((rows, cols, 2), np.uint8)for i in range(0, rows): for j in range(0, cols): # 计算(i, j)到中心点的距离 d = math.sqrt(pow(i - crow, 2) + pow(j - ccol, 2)) if radius - w / 2 < d < radius + w / 2: mask[i, j, 0] = mask[i, j, 1] = 0 else: mask[i, j, 0] = mask[i, j, 1] = 1#掩膜图像和频谱图像乘积f = fshift * mask#傅里叶逆变换ishift = np.fft.ifftshift(f)iimg = cv2.idft(ishift)res = cv2.magnitude(iimg[:,:,0], iimg[:,:,1])#显示原始图像和带通滤波处理图像plt.subplot(121), plt.imshow(img, 'gray'), plt.title('Original Image')plt.axis('off')plt.subplot(122), plt.imshow(res, 'gray'), plt.title('Band Pass Filter Image')plt.axis('off')plt.show()
八. 带通滤波实验结果:
带通滤波实验结果 ↑
九. 总结:
高通滤波,通过了高频信息,提取了图像边缘和噪声;低通滤波,通过了低频信息,保留了图像背景和基本内容,图像边缘被阻挡,图像变模糊;带通滤波,阻挡了部分特别高频信息和特别低频信息,相对高通滤波来讲,提取的图像边缘减少,相对低通滤波来讲,保留的图像内容也减少。