基于skimage的数字图像处理——频域滤波（傅里叶变换）

注意：文章代码基于notebook实现，也可修改后用于pycharm等编译器。

---

前言

本次学习的大致内容：

频域滤波的概念；
傅里叶变换在图像处理中的应用意义；
通过python编程实现对图像的简单傅里叶变换，并显示其频谱图。

---

代码大多基于skimage实现，所以先在notebook或pycharm中下载安装skimage。
在notebook中执行代码：!pip install scikit-image即可实现skimage的安装

---

一、频域滤波与傅里叶变换

著名的法国数学家傅里叶在其著作《热分析理论》中指出：任何周期函数都可以分解为不同频率的正弦或余弦级数的形式，即傅里叶级数。

傅里叶变换从本质上完成了空间信息到频域信息的变换，通过变换将空域信号处理问题转化为频域信号处理。

二、skimage代码实现

1.简单的傅里叶变换：

代码如下：

# 初始化，导入绘图库及工具包
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(0,4*np.pi,0.01)

plt.figure(figsize=(12,16))  # 规定整体图像的大小

plt.subplot(421)    # 输出图像分块显示，该图为四行两列中的第一张图像
y=np.sin(x)*3
plt.plot(x,y)
plt.title('A')

plt.subplot(422)
y1=np.sin(3*x)
plt.plot(x,y1)
plt.title('B')

plt.subplot(423)
y2=np.sin(x)*3+np.sin(3*x)
plt.plot(x,y2)
plt.title('A+B')

plt.subplot(424)
y3=np.sin(5*x)*0.8
plt.plot(x,y3)
plt.title('C')

plt.subplot(425)
y3_2=3*np.sin(x)+np.sin(3*x)+np.sin(5*x)*0.8
plt.plot(x,y3_2)
plt.title('A+B+C')

plt.subplot(426)
y4=np.sin(7*x)*0.4
plt.plot(x,y4)
plt.title('D')

plt.subplot(427)
y4_1=3*np.sin(x)+np.sin(3*x)+np.sin(5*x)*0.8+np.sin(