在学完一维的傅里叶变换后,紧接着就是二维的傅里叶变换了。直接上干货吧!!!
途中会用到opencv读取与显示图片。
一. 公式
- M表示图像的行数,N表示图像的列数。
- 经过欧拉公式可以得一下形式,这样就可以轻松得到实部和虚部了。
- 其逆变换
4. 将傅里叶保护后的图像中心化。只需要在傅里叶变换的f(x,y)前面成以一个(-1)的x+y次方就可以了。其数学推导可以自行去百度。
看完上面的公式之后,下面开始编程实现拉,使用的是C++。
二. 编程实现DTF
-
代码中有详细的注释。就不在这里作过多的解释了。
-
头文件包含及以下宏定义
#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/core/core.hpp>
#include<iostream>
#include<opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
#define PI 3.1415926535 //定义π
#define col 100 //图像的行数为100,再大的话运算量太大的。
#define row 100 //图像的列数为100。
- 类的定义
class FFT {
private:
double img[col][row]; //保存输入的数据,输入的数据只有实部
double re[col][row]; //保存DFT后的实部
double im[col][row]; //保存DFT后的虚部
Mat a = imread("1.jpg", 0); //读取图像
public:
void init(); //将读取的图像数据写入img中
void dft(); //进行DFT变换
void idft(); //进行DFT逆变换
void reserve();
void fudu(); //计算幅度值。
void show();
};
- init()函数
void FFT::init()
{
int b;
resize(a, a, Size(100, 100)); //将图像resize到(100,100)
for (int i = 0; i < 100; i++)
{
for (int j = 0; j < 100; j++)
{
b = a.at<uchar>(i, j); //得到每一个像素值
img[i][j] = b;
}
}
}
- dft()函数
void FFT::dft()
{
double a, b;
for(int n=0;n<col;n++)
for (int m = 0; m < row; m++)
{
a = 0.0;
b = 0.0;
for (int i = 0; i < col; i++)
{
for (int j = 0; j < row; j++)
{
//根据公式列表达式
a += pow(-1, i + j)*img[i][j] * cos(2 * PI*(((double(n*i) / double(col))+(double((m*j))/double(row)))));
b += pow(-1, i + j)*img[i][j] * sin(2 * PI*(((double(n*i) / double(col)) + (double((m*j)) / double(row)))));
}
}
//将计算的值写入对应的变量中,这里已经进行了中心化操作
re[n][m] = a;
im[n][m] = -b;
}
}
- idft()函数
void FFT::idft()
{
double a;
for (int n = 0; n < col; n++)
{
for (int m = 0; m < row; m++)
{
a = 0.0;
for (int i = 0; i < col; i++)
{
for (int j = 0; j < row; j++)
{
//这里只求其逆变换的实部,与原图片对比。
a += re[i][j] * cos(2 * PI*((double(n*i) / double(col)) + (double(m*j) / double(row)))) - im[i][j] * sin(2 * PI*((double(n*i) / double(col)) + (double(m*j) / double(row))));
}
}
re[n][m] = ((1. / (10000.))*a);
}
}
}
- fudu()函数
void FFT::fudu()
{
int b;
for(int i=0;i<col;i++)
for (int j = 0; j < row; j++)
{
//计算幅度值
b = sqrt(re[i][j] * re[i][j] + im[i][j] * im[i][j]);
b = b / 255; //归一化到0-255
//写入Mat中,便于可视化
a.at<uchar>(i, j) = b;
}
//显示DTF幅度场
imshow("aa", a);
waitKey(0);
}
- show()函数
//显示逆变换后的图像,看看与原始图像是不是一样的。
void FFT::show()
{
for(int i=0;i<col;i++)
for (int j = 0; j < row; j++)
{
a.at<uchar>(i, j) = re[i][j];
}
imshow("aa", a);
waitKey(0);
}
- main()函数
int main(void)
{
FFT a;
a.init();
a.dft();
a.idft();
a.fudu();
//a.show();
return 0;
}
所有的函数都实现了,下面来看看实现的效果吧!
原始图像
DFT后的振幅场
逆变换后的图像,差距有点大O(∩_∩)O。
Thank for your reading !!!!