Opencv学习笔记（二十）傅里叶变换、逆变换

傅里叶变换

傅里叶变换用来分析图像的频率特性。

代码

import cv2
import numpy as np
from matplotlib import pyplot as plt

src = cv2.imread(r'F:\OPENCV\Opencv\animal.png')
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

# 图像扩展
h, w = gray.shape
# cv2.getOptimalDFTSize函数返回给定向量尺寸的傅里叶最优尺寸大小。最优尺寸的傅里叶变换是最快的。
op_h = cv2.getOptimalDFTSize(h)
op_w = cv2.getOptimalDFTSize(w)
right = op_h - h
bottom = op_w - w
# copyMakeBorder()填充
gray = cv2.copyMakeBorder(gray, 0, bottom, 0, right, cv2.BORDER_CONSTANT, value=255)

# numpy中的傅里叶变换
f = np.fft.fft2(gray)  # numpy傅里叶变换,输入为灰度图
fshift = np.fft.fftshift(f)   # 频谱中心化
# 使用log函数把数值范围缩小
magnitude = 20 * np.log(np.abs(fshift))  #

# 傅里叶逆变换
ishift = np.fft.ifftshift(fshift)
iimg = np.fft.ifft2(ishift)
iimg = np.abs(iimg)

plt.rcParams['font.sans-serif'] = ['SimHei']
titles = ['src', 'gray', 'np_fft', 'iimg']
images = [src[:, :, ::-1], gray, magnitude, iimg]
plt.figure(1, figsize=(2, 2.5))
for i in range(len(images)):
    plt.subplot(2, 2, i + 1)
    plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
    plt.suptitle('傅里叶变换')
# plt.show()

#opencv中的傅里叶变换
dft = cv2.dft(np.float64(gray), flags=cv2.DFT_COMPLEX_OUTPUT)  # opencv傅里叶变换，输入为浮点型（np.float32/64）灰度图像
dft_shift = np.fft.fftshift(dft)
cv_magnitude = 20 * np.log(cv2.magnitude(dft_shift[:, :, 0], dft_shift[:, :, 1]))

# 傅里叶逆变换
ishift = np.fft.ifftshift(dft_shift)
iimg = cv2.idft(ishift)
iimg = cv2.magnitude(iimg[:, :, 0], iimg[:, :, 1])
titles = ['src', 'gray', 'cv_fft', 'iimg']
images = [src[:, :, ::-1], gray, cv_magnitude, iimg]
plt.figure(2, figsize=(2, 2.5))
for i in range(len(images)):
    plt.subplot(2, 2, i + 1)
    plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
    plt.suptitle('傅里叶变换')
plt.show()

结果显示