冈萨雷斯版《图像处理》解释:将傅里叶变换比作一个玻璃棱镜,棱镜是可以将光分解为不同颜色的物理仪器,每个成分的颜色由波长(或频率)来决定。傅里叶变换可以看作是数学上的棱镜,将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率。同样,傅里叶变换能使我们通过频率成分来分析一个函数。
在频域中,频率越大说明原始信号变化速度越快;频率越小说明原始信号越平缓
当频率为0时,表示直流信号,没有变化
高频分量解释信号的突变部分;低频分量决定决定信号的整体形象
dft 函数的作用是对一维或者二维浮点数数组进行正向或反向离散傅里叶变换
void dft(InputArray src,OutputArray dst,int flags =0,int nonzeroRows=0)
第一个参数:InputArray 类型的 src ,输入矩阵,可以为实数或者虚数
第二个参数:OutputArray 类型的 dst,函数调用后的运算结果存在这里,其尺寸和类型取决于标识符,也就是第三个参数 flags
第三个参数:int 类型的 flags,转换的标识符,有默认值 0,取值可以为为下表:
第四个参数:int 类型的 nonzeroRows,默认值为 0,当此参数设为非零时,函数会假设只有输入矩阵的第一个非零行包含非零元素,或只有输出矩阵的一个非零行包含非零元素
#include "opencv2\core\core.hpp"
#include "opencv2\imgproc\imgproc.hpp"
#include "opencv2\highgui\highgui.hpp"
#include
using namespace std;
using namespace cv;
int main()
{
//以灰度模式读取原始图像并显示
Mat srcImage = imread("girl.jpg", 0);
imshow("原始图像", srcImage);
//将输入图像延扩到最佳尺寸,边界用0补充
int m = getOptimalDFTSize(srcImage.rows);
int n = getOptimalDFTSize(srcImage.cols);
//将添加的像素初始化为0
Mat padded;
copyMakeBorder(srcImage, padded, 0, m - srcImage.rows, 0, n - srcImage.cols, BORDER_CONSTANT, Scalar::all(0));
//为傅里叶变换的结果(实部和虚部)分配存储空间
//将planes数组组合合并成一个多通道的数组complexI
Mat planes[] = { Mat_<float>(padded), Mat::zeros(padded.size(),CV_32F) };
Mat complexI;
merge(planes, 2, complexI);
//进行就地离散傅里叶变换
dft(complexI, complexI);
//将复数转换为幅值
split(complexI, planes);//将多通道数组complexI分离成几个单通道数组
magnitude(planes[0], planes[1], planes[0]);
Mat magnitudeImage = planes[0];
//进行对数尺度缩放
magnitudeImage += Scalar::all(1);
log(magnitudeImage, magnitudeImage);
//剪切和重分布幅度图象限
//若有奇数行或奇数列,进行频谱裁剪
magnitudeImage = magnitudeImage(Rect(0, 0, magnitudeImage.cols& -2, magnitudeImage.rows& -2));
//重新排列傅里叶图像中的象限,使得原点位于图像中心
int cx = magnitudeImage.cols / 2;
int cy = magnitudeImage.rows / 2;
Mat q0(magnitudeImage, Rect(0, 0, cx, cy));//ROI区域的左上
Mat q1(magnitudeImage, Rect(cx, 0, cx, cy));//ROI区域的右上
Mat q2(magnitudeImage, Rect(0, cy, cx, cy));//ROI区域的左下
Mat q3(magnitudeImage, Rect(cx, cy, cx, cy));//ROI区域的右下
//交换象限(左上与右下进行交换)
Mat tmp;
q0.copyTo(tmp);
q3.copyTo(q0);
tmp.copyTo(q3);
//交换象限(右上与左下进行交换)
q1.copyTo(tmp);
q2.copyTo(q1);
tmp.copyTo(q2);
//归一化
normalize(magnitudeImage, magnitudeImage, 0, 1, NORM_MINMAX);
//显示效果图
imshow("频谱幅值", magnitudeImage);
waitKey();
return 0;
}