用 Numpy 进行傅里叶变换。Numpy 中的 FFT 包可以帮助我们实现快速傅里叶变换。函数 np.fft.fft2() 可以对信号进行频率转换,输出结果是一个复杂的数组。本函数的第一个参数是输入图像,要求是灰度格式。第二个参数是可选的, 决定输出数组的大小。输出数组的大小和输入图像大小一样 。
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread(r"C:\Users\Curry\Desktop\winggs.png")
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
f = np.fft.fft2(gray_img)
fshift = np.fft.fftshift(f)
magnitude_spectrum1 = 20*np.log(np.abs(f))
magnitude_spectrum2 = 20*np.log(np.abs(fshift))
plt.figure(figsize=(8, 8)) #窗口大小,可不写
plt.subplot(1, 3, 1) #表示一行三列第一个图像
plt.imshow(gray_img, cmap='gray')
plt.title('Input Image')
plt.subplot(1, 3, 2) #表示一行三列第二个图像
plt.imshow(magnitude_spectrum1, cmap='gray')
plt.title('Magnitude Spectrum1')
plt.subplot(1, 3, 3) #表示一行三列第三个图像
plt.imshow(magnitude_spectrum2, cmap='gray')
plt.title('Magnitude Spectrum2')
plt.show()
结果展示: ![](https://i-blog.csdnimg.cn/blog_migrate/8ac8ef292812ef6f5797b88ff4aa28fb.png)
分析说明:我们可以看到输出结果的中心部分更白(亮),这说明低频分量更多