python源码 高通滤波、低通滤波、带通滤波
创作不易，如果此文使您有收获，记得点赞哦！
一. 傅里叶变化原理：
https://www.cnblogs.com/wojianxin/p/12529809.html
二. 高通滤波、低通滤波、带通滤波：
高通滤波：高频信息通过，低频信息被阻挡；
低通滤波：低频信息通过，高频信息被阻挡；
带通滤波：介于低频和高频之间的一带信息通过，其它信息被阻挡。
图解高通、低通、带通滤波器 ↑
三. python实现高通滤波实验：
# Writer : [email protected]
# Data : 2020.3.20
import cv2
import numpy as np
from matplotlib import pyplot as plt
#读取图像
img = cv2.imread('../paojie_g.jpg', 0)
#傅里叶变换
dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)
fshift = np.fft.fftshift(dft)
#设置高通滤波器
rows, cols = img.shape
crow,ccol = int(rows/2), int(cols/2) #中心位置
mask = np.ones((rows, cols, 2), np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 0
#掩膜图像和频谱图像乘积
f = fshift * mask
#傅里叶逆变换
ishift = np.fft.ifftshift(f)
iimg = cv2.idft(ishift)
res = cv2.magnitude(iimg[:,:,0], iimg[:,:,1])
#显示原始图像和高通滤波处理图像
plt.subplot(121), plt.imshow(img, 'gray'), plt.title('Original Image')
plt.axis('off')
plt.subplot(122), plt.imshow(res, 'gray'), plt.title('High Pass Filter Image')
plt.axis('off')
plt.show()四. 高通滤波实验结果：
高通滤波实验结果 ↑
五. python实现低通滤波实验：
# Writer : [email protected]
# Data : 2020.3.20
import cv2
import numpy as np
from matplotlib import pyplot as plt
#读取图像
img = cv2.imread('../paojie_g.jpg', 0)
#傅里叶变换
dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)
fshift = np.fft.fftshift(dft)
#设置低通滤波器
rows, cols = img.shape
crow,ccol = int(rows/2), int(cols/2) #中心位置
mask = np.zeros((rows, cols, 2), np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 1
#掩膜图像和频谱图像乘积
f = fshift * mask
#傅里叶逆变换
ishift = np.fft.ifftshift(f)
iimg = cv2.idft(ishift)
res = cv2.magnitude(iimg[:,:,0], iimg[:,:,1])
#显示原始图像和低通滤波处理图像
plt.subplot(121), plt.imshow(img, 'gray'), plt.title('Original Image')
plt.axis('off')
plt.subplot(122), plt.imshow(res, 'gray'), plt.title('Low Pass Filter Image')
plt.axis('off')
plt.show()六. 低通滤波实验结果：
低通滤波实验结果 ↑
七. python实现带通滤波实验：
# Writer : [email protected]
# Data : 2020.3.20
import cv2
import numpy as np
import math
from matplotlib import pyplot as plt
#读取图像
img = cv2.imread('../paojie_g.jpg', 0)
#傅里叶变换
dft = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)
fshift = np.fft.fftshift(dft)
#设置带通滤波器
# w 带宽
# radius: 带中心到频率平面原点的距离
rows, cols = img.shape
crow,ccol = int(rows/2), int(cols/2) #中心位置
w = 30
radius = 30
mask = np.ones((rows, cols, 2), np.uint8)
for i in range(0, rows):
for j in range(0, cols):
# 计算(i, j)到中心点的距离
d = math.sqrt(pow(i - crow, 2) + pow(j - ccol, 2))
if radius - w / 2 < d < radius + w / 2:
mask[i, j, 0] = mask[i, j, 1] = 0
else:
mask[i, j, 0] = mask[i, j, 1] = 1
#掩膜图像和频谱图像乘积
f = fshift * mask
#傅里叶逆变换
ishift = np.fft.ifftshift(f)
iimg = cv2.idft(ishift)
res = cv2.magnitude(iimg[:,:,0], iimg[:,:,1])
#显示原始图像和带通滤波处理图像
plt.subplot(121), plt.imshow(img, 'gray'), plt.title('Original Image')
plt.axis('off')
plt.subplot(122), plt.imshow(res, 'gray'), plt.title('Band Pass Filter Image')
plt.axis('off')
plt.show()八. 带通滤波实验结果：
带通滤波实验结果 ↑
九. 总结：
高通滤波，通过了高频信息，提取了图像边缘和噪声；低通滤波，通过了低频信息，保留了图像背景和基本内容，图像边缘被阻挡，图像变模糊；带通滤波，阻挡了部分特别高频信息和特别低频信息，相对高通滤波来讲，提取的图像边缘减少，相对低通滤波来讲，保留的图像内容也减少。
十. 参考内容：
① https://www.cnblogs.com/wojianxin/p/12531004.html
② https://www.jianshu.com/p/28b03ea8592b
十一. 版权声明：
未经作者允许，请勿随意转载抄袭，抄袭情节严重者，作者将考虑追究其法律责任，创作不易，感谢您的理解和配合！