数字图像处理：python对图像做傅里叶变换，理想低通滤波器，理想高通滤波器

对Lena图像进行以下处理（可使用编程语言自带函数，以实验报告形式提交word文件）：

（1）做傅里叶变换，并显示频谱图像；

（2）使用理想低通滤波器，截止频率半径分别选取10、20、50、80，分别显示对应的滤波后图像，并做简要分析；

（3）使用理想高通滤波器，截止频率半径分别选取10、20、50、80，分别显示对应的滤波后图像，并做简要分析。

累了，自己看吧

高通滤波：边缘提取与增强

低通滤波：边缘平滑

边缘区域的灰度变换加大，也就是频率较高。所以，对于高通滤波，边缘部分将被保留，非边缘部分将被过滤；对于低通滤波，边缘区域将被平滑过渡。

import numpy as np
import cv2
import matplotlib.pyplot as plt
#(1)做傅里叶变换，并显示频谱图像
Lena = cv2.imread('Lena_gray.jpg')
img = cv2.cvtColor(Lena, cv2.COLOR_BGR2GRAY)
dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
dftshift = np.fft.fftshift(dft)
result = 20 * np.log(cv2.magnitude(dftshift[:, :, 0], dftshift[:, :, 1]))
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('original'), plt.axis('off')
plt.subplot(122), plt.imshow(result, cmap='gray')
plt.title('original'), plt.axis('off')
plt.show()#(2)理想高通滤波器（3）理想低通滤波器
def IdealHighPassFiltering(f_shift):# 设置滤波半径D0 = 80# 初始化m = f_shift.shape[0]n = f_shift.shape[1]h1 = np.zeros((m, n))x0 = np.floor(m / 2)y0 = np.floor(n / 2)for i in range(m):for j in range(n):D = np.sqrt((i - x0) ** 2 + (j - y0) ** 2)if D >= D0:h1[i][j] = 1result = np.multiply(f_shift, h1)return resultdef IdealLowPassFiltering(f_shift):# 设置滤波半径D0 = 80# 初始化m = f_shift.shape[0]n = f_shift.shape[1]h1 = np.zeros((m, n))x0 = np.floor(m / 2)y0 = np.floor(n / 2)for i in range(m):for j in range(n):D = np.sqrt((i - x0) ** 2 + (j - y0) ** 2)if D <= D0:h1[i][j] = 1result = np.multiply(f_shift, h1)return resultf = np.fft.fft2(img)
f_shift = np.fft.fftshift(f)# 理想高通滤波
IHPF = IdealHighPassFiltering(f_shift)
new_f1 = np.fft.ifftshift(IHPF)
new_image1 = np.uint8(np.abs(np.fft.ifft2(new_f1)))
plt.subplot(1, 2, 1)
plt.imshow(new_image1, 'gray')
# 理想低通滤波
GLPF = IdealLowPassFiltering(f_shift)
new_f2 = np.fft.ifftshift(GLPF)
new_image2 = np.uint8(np.abs(np.fft.ifft2(new_f2)))
plt.subplot(1, 2, 2)
plt.imshow(new_image2, 'gray')
plt.show()

数字图像处理：python对图像做傅里叶变换，理想低通滤波器，理想高通滤波器相关推荐

数字图像处理实验八图像的傅里叶变换
自选一幅灰度图像,编写MATLAB程序,完成图像的傅里叶变换并显示图像傅里叶变换谱. 1.快速图像傅里叶变换函数 Y = fft2(X) 2.将图像频谱零频分量移动到图像频谱中心 Y = fftshi ...
Win8 Metro(C#)数字图像处理--2.52图像K均值聚类
原文:Win8 Metro(C#)数字图像处理--2.52图像K均值聚类 [函数名称] 图像KMeans聚类 KMeansCluster(WriteableBitmap src,int ...
Win8Metro(C#)数字图像处理--2.3图像反色
原文:Win8Metro(C#)数字图像处理--2.3图像反色 [函数名称] 图像反色函数ContraryProcess(WriteableBitmap src) [算法说明] 反色公式如下: ...
Win8 Metro(C#)数字图像处理--3.3图像直方图计算
原文:Win8 Metro(C#)数字图像处理--3.3图像直方图计算 /// <summary>/// Get the array of histrgram./// </summa ...
Win8Metro(C#)数字图像处理--2.7图像伪彩色
Win8Metro(C#)数字图像处理--2.7图像伪彩色原文:Win8Metro(C#)数字图像处理--2.7图像伪彩色 2.7图像伪彩色函数 [函数名称] 图像伪彩色函数PseudoCol ...
Python数字图像处理---1.1图像的像素格式与图像读写
目录前言图像像素格式图像读写前言本专栏面向所有希望或有兴趣从事数字图像处理工作.学习或研究的朋友,编程语言采用了当下最火的Python语言. Python是一种跨平台的计算机设计语言,也是一 ...
数字图像处理实验四图像频域增强
一.实验目的 (1)了解图像增强的目的及意义,加深对图像增强的感性认识,巩固所学的图像增强的理论知识和相关算法. (2)熟练掌握低通.高通.带通.同态滤波器的使用方法,明确不同性质的滤波器对图像的影响 ...
数字图像处理python实现-形态学处理
内容简介腐蚀膨胀开闭运算轮廓提取击中与击不中骨架提取细化骨架提取细化裁剪距离变换骨架提取 Hilditch算法骨架提取首先明确一点形态学操作都是针对与二值图像,在灰度图像的形态学处 ...
c++ opencv数字图像处理：频率域滤波--低通滤波--理想低通滤波
文章目录前言一.理想低通滤波器(ILPF) 二.代码三.说明前言数字图像处理c++ opencv(VS2019 opencv4.53)持续更新一.理想低通滤波器(ILPF) 通过设置频率半 ...

数字图像处理：python对图像做傅里叶变换，理想低通滤波器，理想高通滤波器

数字图像处理：python对图像做傅里叶变换，理想低通滤波器，理想高通滤波器相关推荐

最新文章

热门文章