pythonopencv图层_(九)OpenCV-Python学习—图像傅里叶变换

对于二维图片，可以对其进行傅里叶变换，获取图片的频谱信息。频谱有很多应用，包括显著性检测，卷积定理，频率域滤波等，下面是图片傅里叶变换的一些基本概念：

1. 图像傅里叶变换

对于M行N列的图像矩阵f(x,y)，f(x, y)表示第x行y列的像素值，则存在复数矩阵F，有以下公式：

F(u,v)称为f(x, y)的傅里叶变换，f(x,y)称为F(u,v)的傅里叶逆变换

opencv提供函数dft()可以对图像进行傅里叶变换和傅里叶逆变换，函数参数如下：

dst =cv.dft(src, flags=0, nonzeroRows=0)

src: 输入图像矩阵，只支持CV_32F或者CV_64F的单通道或双通道矩阵(单通道的代表实数矩阵，双通道代表复数矩阵)

flags: 转换的标识符，取值包括DFT_COMPLEX_OUTPUT,DFT_REAL_OUTPUT,DFT_INVERSE,DFT_SCALE, DFT_ROWS，通常组合使用

DFT_COMPLEX_OUTPUT: 输出复数形式

DFT_REAL_OUTPUT: 只输出复数的实部

DFT_INVERSE:进行傅里叶逆变换

DFT_SCALE:是否除以M*N (M行N列的图片，共有有M*N个像素点)

DFT_ROWS:输入矩阵的每一行进行傅里叶变换或者逆变换

(傅里叶正变换一般取flags=DFT_COMPLEX_OUTPUT，

傅里叶逆变换一般取flags= DFT_REAL_OUTPUT+DFT_INVERSE+DFT_SCALE)

nonzerosRows: 当设置为非0时，对于傅里叶正变换，表示输入矩阵只有前nonzerosRows行包含非零元素；对于傅里叶逆变换，表示输出矩阵只有前nonzerosRows行包含非零元素

返回值：

dst: 单通道的实数矩阵或双通道的复数矩阵

2. 快速傅里叶变化

对于M行N列的图像矩阵，傅里叶变换理论上需要次运算，非常耗时。而当和时，傅里叶变换可以通过O(MNlog(M*N)) 次运算就能完成运算，即快速傅里叶变换。当图片矩阵的行数和列数都可以分解成 时，opencv中的dft()会进行傅里叶变换快速算法，所以在计算时一般先对二维矩阵进行扩充补0，已满足规则，opencv提供函数getOptimalDFTSize()函数来计算需要补多少行多少列的0，其参数如下：

retval=cv.getOptimalDFTSize(vecsize)

vecsize: 整数，图片矩阵的行数或者列数，函数返回一个大于或等于vecsize的最小整数N，且N满足N=2^p*3^q*5^r

快速傅里叶变换dft()使用示例代码如下：

#coding:utf-8import cv2

import numpyasnp

img_gray= cv2.imread(r"D:\data\receipt_rotate.jpg", 0)

rows, cols= img_gray.shape[:2]

#快速傅里叶变换，输出复数

rPadded=cv2.getOptimalDF