learning OpenCV(7)极坐标变换

最新推荐文章于 2024-08-09 09:12:37 发布

SYSU_Sasuke

最新推荐文章于 2024-08-09 09:12:37 发布

阅读量1.7k

点赞数

分类专栏：学习OpenCV

本文链接：https://blog.csdn.net/zhongshandaxueguosha/article/details/41248831

版权

本文介绍了OpenCV中的极坐标变换，包括cvCartToPolar和cvPolarToCart函数，以及傅里叶变换的应用。此外，还探讨了积分图像计算、距离变换和直方图均衡化等图像处理技术，如cvIntegral、cvDistTransform和cvEqualizeHist。

摘要由CSDN通过智能技术生成

极坐标变换

将数值在笛卡尔(x,y)空间和极性（ρ，θ）之间变换：

void cvCartToPolar(CvArr * x, CvArr* y, CvArr* magnitude, CvArr* angle = NULL, int angle_in_degrees = 0是用弧度还是角度);

void cvPolarToCart(CvArr* magnitude, CvArr* angle, CvArr* x, CvArr* y, int angle_in_degrees = 0);

傅里叶变换（用于单通道或者双通道的32位浮点数）

对一张图像使用傅立叶变换就是将它分解成正弦和余弦两部分。也就是将图像从空间域(spatial domain)转换到频域(frequency domain)。这一转换的理论基础来自于以下事实：任一函数都可以表示成无数个正弦和余弦函数的和的形式。傅立叶变换就是一个用来将函数分解的工具。 2维图像的傅立叶变换可以用以下数学公式表达:

$F(k,l) = \displaystyle\sum\limits_{i=0}^{N-1}\sum\limits_{j=0}^{N-1} f(i,j)e^{-i2\pi(\frac{ki}{N}+\frac{lj}{N})}e^{ix} = \cos{x} + i\sin {x}$

式中 f 是空间域(spatial domain)值， F 则是频域(frequency domain)值。转换之后的频域值是复数，因此，显示傅立叶变换之后的结果需要使用实数图像(real image) 加虚数图像(complex image), 或者幅度图像(magitude image)加相位图像(phase image)。在实际的图像处理过程中，仅仅使用了幅度图像，因为幅度图像包含了原图像的几乎所有我们需要的几何信息。然而，如果你想通过修改幅度图像或者相位图像的方法来间接修改原空间图像，你需要使用逆傅立叶变换得到修改后的空间图像，这样你就必须同时保留幅度图像和相位图像了。

如果是单通道，输出的是特殊封装结构，如果是双通道，一个通道是实部，一个是虚部

#include <cstdio>
#include <cv.h>
#include <cxcore.h>
#include <highgui.h>
#include<iostream>

using namespace std;
/**************************************************************************
//src IPL_DEPTH_8U
//dst IPL_DEPTH_64F
**************************************************************************/

//傅里叶正变换
void fft2(IplImage *src, IplImage *dst)
{   //实部、虚部
 IplImage *image_Re = 0, *image_Im = 0, *Fourier = 0;
 //   int i, j;
 image_Re = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);  //实部
 //Imaginary part
 image_Im = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);  //虚部
 //2 channels (image_Re, image_Im)
 
 Fourier = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 2);
 // Real part conversion from u8 to 64f (double)
 cvConvertScale(src, image_Re, 1/255., 0);//把8位BGR变成64位p3 = scale, p4 = shift

 // cvConvertScale(image_Re, src, 0);
 // cvNamedWindow("tmp", 1);
 // cvShowImage("tmp", src);
  //cvConvertScale(image_Re, src, 1, 0);
 // Imaginary part (zeros)
 cvZero(image_Im);
 // Join real and imaginary parts and stock them in Fourier image
 cvMerge(image_Re, image_Im, 0, 0, Fourier);
 // Application of the forward Fourier transform
 cvDFT(Fourier, dst, CV_DXT_FORWARD);
  
 cvReleaseImage(&image_Re);
 cvReleaseImage(&image_Im);
 cvReleaseImage(&Fourier);
}

/**************************************************************************
//src IPL_DEPTH_64F

//dst IPL_DEPTH_8U

**************************************************************************/
void fft2shift(IplImage *src, IplImage *dst)
{
IplImage *image_Re = 0, *image_Im = 0;
int nRow, nCol, i, j, cy, cx;
double scale, shift, tmp13, tmp24;
image_Re = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);
//Imaginary part
image_Im = cvCreateImage(cvGetSize(src), IPL_DEPTH_32F, 1);
cvSplit( src, image_Re, image_Im, 0, 0 );
 //具体原理见冈萨雷斯数字图像处理p123
 // Compute the magnitude of the spectrum Mag = sqrt(Re^2 + Im^2)
 //计算傅里叶谱
 cvPow( image_Re, image_Re, 2.0);
 cvPow( image_Im, image_Im, 2.0);
 cvAdd( image_Re, image_Im, image_Re);
 cvPow( image_Re, image_Re, 0.5 );
 //对数变换以增强灰度级细节(这种变换使以窄带低灰度输入图像值映射
 //一宽带输出值，具体可见冈萨雷斯数字图像处理p62)
 // Compute log(1 + Mag);
 cvAddS( image_Re, cvScalar(1.0), image_Re ); // 1 + Mag
 cvLog( image_Re, image_Re ); // log(1