数字图像处理–傅里叶(逆)变换

主要内容

（1）对一副图像进行缩放，显示原始图像和缩放后的图像，分别对其进行傅里叶变换，显示变换后结果；
（2）对一副图像进行旋转，显示原始图像和旋转后的图像，分别对其进行傅里叶变换，显示变换后结果；

源代码

import cv2
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
import torchvision.transforms.functional as TFrose = cv2.imread('2.png', 0)  # 转为灰度图
rose_shrink = cv2.resize(rose,(int(rose.shape[0]/2),int(rose.shape[1]/2)))rose_rotate = Image.fromarray(np.uint8(rose))
rose_rotate = TF.rotate(rose_rotate, 45)
rose_rotate = np.asarray(rose_rotate)def FFT(img):dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)dftShift = np.fft.fftshift(dft)     # 将图像中的低频部分移动到图像的中心result = 20 * np.log(cv2.magnitude(dftShift[:, :, 0], dftShift[:, :, 1]))   # 将实部和虚部转换为实部，乘以20是为了使得结果更大ishift = np.fft.ifftshift(dftShift)     # 低频部分从图像中心移开iImg = cv2.idft(ishift)                 # 傅里叶反变换iImg = cv2.magnitude(iImg[:, :, 0], iImg[:, :, 1])      # 转化为空间域return result,iImg#自定义傅里叶变换函数
def dft(img):H,W,channel=img.shape#定义频域图、复数矩阵F = np.zeros((H, W,channel), dtype=np.complex)#准备与原始图像位置相对应的处理索引x = np.tile(np.arange(W), (H, 1))y = np.arange(H).repeat(W).reshape(H, -1)#遍历for c in range(channel):for u in range(H):for v in range(W):F[u, v, c] = np.sum(img[..., c] * np.exp(-2j * np.pi * (x * u / W + y * v / H))) / np.sqrt(H * W)fshift = np.fft.fftshift(F)#将复数转为浮点数进行傅里叶频谱图显示fimg = np.log(np.abs(fshift))return fimg,F
#自定义傅里叶反变换
def idft(G):H, W, channel = G.shape#定义空白时域图像out = np.zeros((H, W, channel), dtype=np.float32)# 准备与原始图像位置相对应的处理索引x = np.tile(np.arange(W), (H, 1))y = np.arange(H).repeat(W).reshape(H, -1)#遍历for c in range(channel):for u in range(H):for v in range(W):out[u, v, c] = np.abs(np.sum(G[..., c] * np.exp(2j * np.pi * (x * u / W + y * v / H)))) / np.sqrt(W * H)#剪裁out = np.clip(out, 0, 255)out = out.astype(np.uint8)return outimg=cv2.imread("4.png")
img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#傅里叶变换
rose_color_fft,rose_color_F=dft(img)
#傅里叶逆变换
rose_color_ifft=idft(rose_color_F)#原图
rose_fft,rose_ifft = FFT(rose)
#缩小图
rose_shrink_fft,rose_shrink_ifft = FFT(rose_shrink)
#旋转图
rose_rotate_fft,rose_rotate_ifft = FFT(rose_rotate)plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"]=Falseplt.subplot(131), plt.imshow(rose, cmap='gray'),plt.title('原图'),plt.axis('off')
plt.subplot(132), plt.imshow(rose_fft, cmap='gray'),plt.title('傅里叶变换'),plt.axis('off')
plt.subplot(133), plt.imshow(rose_ifft, cmap='gray'),plt.title('傅里叶逆变换'),plt.axis('off')  #关闭坐标轴plt.figure(2)
plt.subplot(131), plt.imshow(rose_shrink, cmap='gray'),plt.title('原图'),plt.axis('off')
plt.subplot(132), plt.imshow(rose_shrink_fft, cmap='gray'),plt.title('傅里叶变换'),plt.axis('off')
plt.subplot(133), plt.imshow(rose_shrink_ifft, cmap='gray'),plt.title('傅里叶逆变换'),plt.axis('off')  #关闭坐标轴plt.figure(3)
plt.subplot(131), plt.imshow(rose_rotate, cmap='gray'),plt.title('原图'),plt.axis('off')
plt.subplot(132), plt.imshow(rose_rotate_fft, cmap='gray'),plt.title('傅里叶变换'),plt.axis('off')
plt.subplot(133), plt.imshow(rose_rotate_ifft, cmap='gray'),plt.title('傅里叶逆变换'),plt.axis('off')plt.figure(4)
plt.subplot(131), plt.imshow(img), plt.title('原图'),plt.axis('off')
plt.subplot(132), plt.imshow(rose_color_fft), plt.title('傅里叶变换'),plt.axis('off')
plt.subplot(133), plt.imshow(rose_color_ifft), plt.title('傅里叶逆变换'),plt.axis('off')plt.show()

实现结果

本实验中，选择的原始图像尺寸为1200675，对该图像进行傅里叶变换和傅里叶逆变换。其经过傅里叶变换并进行中心化得到的谱，以及逆变换后得到的图像，如下图所示。

将图像长、宽均缩减二分之一后，得到的图像，以及经过傅里叶变换并进行中心化得到的谱，和逆变换后得到的图像，如下图所示。

将原图像进行旋转45°后，得到的图像，以及经过傅里叶变换并进行中心化得到的谱，和逆变换后得到的图像，如下图所示。

本实验中，自定义了傅里叶变换函数和傅里叶逆变换函数，实现了对彩色图像的傅里叶变换和逆变换。在此操作中考虑到变换操作所耗费的时间，故对原来(1200675)的彩色图像进行了缩减至(100*100)大小，并完成了本次操作。经过傅里叶变换得到频谱图以及傅里叶逆变换后得到的图像。如下图所示。

小白一枚！！！

数字图像处理--傅里叶(逆)变换相关推荐

[数字图像处理]图像复原--逆滤波
1.逆滤波的问题点图像的老化,可以视为以下这样的一个过程.一个是退化函数的影响(致使图片模糊,褪色等),一个可加性噪声的影响. 用算式表示为前几篇博文,主要是介绍可加性噪声的 ...
数字图像处理的数学变换（三）逻辑运算
逻辑运算 1求反运算 2与运算 3或运算 4异或运算 5实验结果逻辑运算又称布尔运算,逻辑常量只有两个,即0和1,用来表示两个对立的逻辑状态"假"和"真".逻 ...
数字图像处理：各种变换滤波和噪声的类型和用途总结
摘自http://imgtec.eetrend.com/blog/4564 一.基本的灰度变换函数 1.1图像反转适用场景:增强嵌入在一幅图像的暗区域中的白色或灰色细节,特别是当黑色的面积在尺寸上 ...
数字图像处理之雷登变换与图像重建（MATLAB）
1.问题要求画出下列图像的雷登变换正弦图,标出坐标和重要特性,假设使用平行射线束几何理论.然后重建图像,比较不同参数的选择对重建图像的影响. 2.实现步骤 (1)雷登变换 srcImage=imre ...
数字图像处理——图像代数变换
图像代数变换以下是两个图像的像素矩阵: f = [f11,f12,f13; f21,f22,f23; f31,f32,f33] g = [g11,g12,g13; g21,g22,g23; g31, ...
数字图像处理6 蝶形变换
我看了这个感觉相当清晰 https://wenku.baidu.com/view/5cacb2b8bd64783e09122b9a.html 核心是可以由得到,利用这个性质. 中间处理W的部分看链接. ...
数字图像处理100问—33 傅立叶变换——低通滤波
提示:内容整理自:https://github.com/gzr2017/ImageProcessing100Wen CV小白从0开始学数字图像处理 33 傅立叶变换--低通滤波将imori.jpg灰 ...
OPENCV计算机视觉图像处理频域傅里叶 DFT 变换低通滤波逆变换IDFT
OpenCV计算机视觉图像频域傅里叶 DFT 变换低通滤波逆变换IDFT 实验室做图像的,经常用到这部分,为了检测屏幕,看过好多博客,试用过许多代码,这个算是我找到的比较好用的,也容易改. 傅里叶变换 ...
冈萨雷斯《数字图像处理》学习笔记（4）--图像复原与重建(含傅里叶切片定理推导)
一.图像复原模型若H是线性的,空间不变的过程,则退化图像在空间域通过下式给出: g(x,y)=h(x,y)∗f(x,y)+δ(x,y)g(x,y)=h(x,y)*f(x,y)+\delta(x,y) ...

数字图像处理--傅里叶(逆)变换

数字图像处理–傅里叶(逆)变换

主要内容

源代码

实现结果

数字图像处理--傅里叶(逆)变换相关推荐

最新文章

热门文章