python 傅里叶变换_利用Python对图像进行傅里叶变换

最新推荐文章于 2025-02-13 10:30:00 发布

weixin_39881155

最新推荐文章于 2025-02-13 10:30:00 发布

阅读量1.9k

点赞数 1

文章标签： python 傅里叶变换 vc如何打开plt图像图像的傅里叶变换

本文链接：https://blog.csdn.net/weixin_39881155/article/details/111276644

版权

本文介绍如何使用Python的Numpy库对CT图像进行傅里叶变换，生成幅度和相位图像，并通过matplotlib进行显示。还讨论了逆傅里叶变换的过程，以重新获取接近原始图像的结果。在傅里叶变换后，利用LogNorm进行对数处理以更好地显示图像，最终通过ifft2和ifftshift恢复图像，证实了变换后与原图的像素差异极小。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文中利用Numpy包对CT图像进行傅里叶变换，生成幅度和相位图。最后再通过逆傅里叶变换重新得到CT图像。

1. 打开Jupyter notebook后，先导入以下科学包

import numpy as npimport mathimport pydicomimport osimport matplotlib.pyplot as plt

2. 利用load_scan()和get_pixels_hu()函数读取CT文件。如果对这两个函数不清楚，可以参看篇推文《利用Python打开DICOM CT文件》

# open CT_lung datasetdir_path_ct = './Data/HNSCC_01/'patient_ct = load_scan(dir_path_ct)imgs_ct = get_pixels_hu(patient_ct)# For "NotImplementedError: this transfer syntax JPEG 2000 Image Compression, # can not be read because Pillow lacks the jpeg 2000 decoder plugin"# https://pydicom.github.io/pydicom/stable/tutorials/installation.html#installing-pillow

3. 利用np.fft.fft2()对图像进行傅里叶变换

# Fourier Transferfrom matplotlib.colors import LogNorm# CTct_ft = np.fft.fft2(imgs_ct[9])imgs_ct_ft = np.fft.fftshift(ct_ft) # Shift the zero-frequency component to the center of the spectrum.imgs_ct_magnitude = np.abs(imgs_ct_ft)imgs_ct_phase =np.arctan2(np.imag(imgs_ct_ft), np.real(imgs_ct_ft)) * 180 / np.pi

np.fft.fft2()的返回值为复数。根据复数的实部与虚部可以得到幅度(imgs_ct_magnitude )和相位(imgs_ct_phase )信息。

np.fft.fftshift()对频域谱进行移动使零频率分量位于频谱中心。这更符合通常所见的频域图像习惯。

4. 利用matplotlib.pyplot绘制幅度和相位图像。由于图像单个像素点的值范围很大，不利于直观表现，所以利用norm = LogNorm()进行对数处理。

plt.figure(figsize=(10, 10))plt.subplot(121)plt.title('CT Slice_10 (Magnitude)')plt.imshow(imgs_ct_magnitude, cmap='gray', norm = LogNorm()) # we apply a logarithmic transformation here to better display the dynamic range of the magnitudeplt.subplot(122)plt.title('CT Slice_10 (Phase)')plt.imshow(imgs_ct_phase, cmap='gray')plt.show()

5. 利用np.fft.ifft2()进行逆傅里叶变换。注意要利用np.fft.ifftshift()还原频域谱

# inverse Fourier transform# CTimgs_ct_ift = np.fft.ifftshift(imgs_ct_ft)ct_ift = np.real(np.fft.ifft2(imgs_ct_ift))ct_ift = ct_ift.astype(np.int16)

np.fft.ifft2()返回值同样是一个复数，但是虚部值基本为0，这里直接使用实部作为逆傅里叶变换后的图像。

6. 利用matplotlib.pyplot绘制图像

plt.figure(figsize=(10, 10))plt.subplot(131)plt.title('CT Slice_10 (Origin)')plt.imshow(imgs_ct[10], cmap='gray')plt.subplot(132)plt.title('CT Slice_10 (Inverse FT)')plt.imshow(ct_ift, cmap='gray') # we apply a logarithmic transformation here to better display the dynamic range of the magnitudeplt.subplot(133)plt.title('Orgin - Reconstructed')plt.imshow(np.round(imgs_ct[10] - ct_ift), cmap='gray')plt.show()