【小白】Open-CV 学习笔记 -5.5.8 离散傅里叶变换综合示例（附详细注释）

-Bin

于 2019-07-22 10:06:08 发布

阅读量259

点赞数

分类专栏：学习笔记

原文链接：https://blog.csdn.net/qq_37059483/article/details/77979910

版权

学习笔记专栏收录该内容

43 篇文章 1 订阅

订阅专栏

本文详细介绍了一种图像处理技术——傅里叶变换，并通过一个完整的C++代码示例展示了如何利用OpenCV库进行图像的傅里叶变换及逆变换过程。文章解释了变换前后图像的处理步骤，包括灰度转换、尺寸优化、实部和虚部的处理等关键步骤。

摘要由CSDN通过智能技术生成

完整工程代码（附详细注释）：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
#include <Windows.h>
 
using namespace cv;
using namespace std;
static void help()
{
	printf("\nThis program demonstrated the use of the discrete Fourier transform (dft)\n"
		"The dft of an image is taken and it's power spectrum is displayed.\n"
		"Usage:\n"
		"./dft [image_name -- default lena.jpg]\n");
}
 
int main()
{
	SetConsoleTextAttribute(GetStdHandle(STD_OUTPUT_HANDLE),FOREGROUND_INTENSITY | FOREGROUND_GREEN);
	help();
	Mat src = imread("lena.jpg");
	if(src.empty())
	{
		return -1;
	}
 
	Mat srcGray;
	cvtColor(src,srcGray,CV_RGB2GRAY); //灰度图像做傅里叶变换
 
	int m = getOptimalDFTSize(srcGray.rows); //2,3,5的倍数有更高效率的傅里叶变换
	int n = getOptimalDFTSize(srcGray.cols);
 
	Mat padded;
	//把灰度图像放在左上角,在右边和下边扩展图像,扩展部分填充为0;
	copyMakeBorder(srcGray, padded, 0, m - srcGray.rows,0, n - srcGray.cols, BORDER_CONSTANT, Scalar::all(0));
	cout<<padded.size()<<endl;
	//这里是获取了两个Mat,一个用于存放dft变换的实部，一个用于存放虚部,初始的时候,实部就是图像本身,虚部全为零
	Mat planes[] = {Mat_<float>(padded), Mat::zeros(padded.size(),CV_32F)};
	Mat complexImg;
	//将几个单通道的mat融合成一个多通道的mat,这里融合的complexImg既有实部又有虚部
	merge(planes,2,complexImg);
 
	//对上边合成的mat进行傅里叶变换,支持原地操作,傅里叶变换结果为复数.通道1存的是实部,通道二存的是虚部
	dft(complexImg,complexImg);
	//把变换后的结果分割到两个mat,一个实部,一个虚部,方便后续操作
	split(complexImg,planes); 
	//这一部分是为了计算dft变换后的幅值，傅立叶变换的幅度值范围大到不适合在屏幕上显示。高值在屏幕上显示为白点，而低值为黑点，高低值的变化无法有效分辨。为了在屏幕上凸显出高低变化的连续性，我们可以用对数尺度来替换线性尺度,以便于显示幅值
	//计算公式如下: => log(1 + sqrt(Re(DFT(I))^2 +Im(DFT(I))^2))
	magnitude(planes[0],planes[1],planes[0]);	//计算幅值
	Mat mag = planes[0];
	mag += Scalar::all(1);
	log(mag, mag);
 
	//crop the spectrum, if it has an odd number of rows or columns
	//修剪频谱,如果图像的行或者列是奇数的话,那其频谱是不对称的,因此要修剪
	//这里为什么要用  &-2这个操作，我会在代码后面的 注2 说明
	mag = mag(Rect(0, 0, mag.cols & -2, mag.rows & -2));
	Mat _magI = mag.clone();
	//这一步的目的仍然是为了显示,但是幅度值仍然超过可显示范围[0,1],我们使用 normalize() 函数将幅度归一化到可显示范围。
	normalize(_magI, _magI, 0, 1, CV_MINMAX);
	imshow("before rearrange", _magI);
 
	//rearrange the quadrants of Fourier image
	//so that the origin is at the image center
	//重新分配象限，使（0,0）移动到图像中心，  
	//在《数字图像处理》中，傅里叶变换之前要对源图像乘以（-1）^(x+y)进行中心化。  
	//这是是对傅里叶变换结果进行中心化
	int cx = mag.cols/2;
	int cy = mag.rows/2;
 
	Mat tmp;
	Mat q0(mag, Rect(0, 0, cx, cy));   //Top-Left - Create a ROI per quadrant
	Mat q1(mag, Rect(cx, 0, cx, cy));  //Top-Right
	Mat q2(mag, Rect(0, cy, cx, cy));  //Bottom-Left
	Mat q3(mag, Rect(cx, cy, cx, cy)); //Bottom-Right
 
	//swap quadrants(Top-Left with Bottom-Right)
	q0.copyTo(tmp);
	q3.copyTo(q0);
	tmp.copyTo(q3);
 
	// swap quadrant (Top-Rightwith Bottom-Left)
	q1.copyTo(tmp);
	q2.copyTo(q1);
	tmp.copyTo(q2);
 
	
	normalize(mag,mag, 0, 1, CV_MINMAX);
	imshow("Input Image", srcGray);
	imshow("spectrum magnitude",mag);
 
	//傅里叶的逆变换
	Mat ifft;
	idft(complexImg,ifft,DFT_REAL_OUTPUT);
	normalize(ifft,ifft,0,1,CV_MINMAX);
	imshow("inverse fft",ifft);
	waitKey();
	return 0;
}

在这里插入图片描述

备注2:

我们知道x&-2代表x与-2按位相与，而-2的二进制形式是2的二进制取反加一的结果（这是补码的问题）。2 的二进制结果是（假设 8位表示，实际整型是32位，但是描述方式是一样的，为便于描述，用8位表示）0000 0010，则-2的二进制形式为：1111 1110，x与-2按位相与后，不管x是奇数还是偶数，最后x都会变成一个偶数。

备注3：

我相信很多人，包括我自己都会很疑惑，为什么要对傅里叶变换的结果进行坐标转换，才能看到那种中间亮，周围暗的频率图。我也研究了很久，后来发现，这是因为对于正常的傅里叶变换，其变换的结果都是在0 ~ 2*pi之间的，如果将其转换为-pi ~ pi之间，实质上是没有变化的，但是为了方便人观察，才将结果转换到-pi~pi中。实际上如果拿四张一模一样的没有经过坐标变换的图拼在一起，会发现拼接处的图形模样与坐标变换后是一样的。

解释如下：

imshow 函数缩放图像，取决于图像的深度：

如果载入的图像是8位无符号类型（8-bit unsigned），就显示图像本来的样子。
如果图像是16位无符号类型（16-bit unsigned）或32位整型（32-bit integer），便用像素值除以256。也就是说，值的范围是[0,255 x 256]映射到[0,255]。
如果图像是32位浮点型（32-bit floating-point），像素值便要乘以255。也就是说，该值的范围是[0,1]映射到[0,255]

附（作用）：