python傅里叶逆变换_OpenCV-Python系列之傅里叶变换
傅里叶变换
我们生活在时间的世界中,早上7:00起来吃早饭,8:00去挤地铁,9:00开始上班。。。以时间为参照就是时域分析。
但是在频域中一切都是静止的!可能有些人无法理解,我建议大家看看这个文章,写的真是相当好,推荐!
https://zhuanlan.zhihu.com/p/19763358
傅里叶变换经常被用来分析不同滤波器的频率特性。我们可以使用 2D 离散傅里叶变换 (DFT) 分析图像的频域特性。实现 DFT 的一个快速算法被称为快速傅里叶变换(FFT)。
对于一个正弦信号,如果它的幅度变化非常快,即f数值比较大,我们可以说他是高频信号,如果变化非常慢,即f数值比较小,我们称之为低频信号。你可以把这种想法应用到图像中,那么我们如何看待图像的变化幅度大小呢?那就是看边界点和噪声,一般边界和噪声是图像中的高频分量(注意这里的高频是指变化非常快,而非出现的次数多)。如果没有如此大的幅度变化我们称之为低频分量。
那么用傅里叶变换进行滤波的优点在哪儿呢,它可以把图像由时域转换成频域,由于频域中的信息更为简单,所以滤波起来更为方便,滤波之后再转换到时域,那么就相当于一个滤波了。
傅里叶变换的作用
· 高频:变化剧烈的灰度分量,例如边界
· 低频:变化缓慢的灰度分量,例如一片大海
所以一般情况下,由于图像中的高频分量与低频分量都存在,我们可以用傅里叶变换进行滤波。
滤波
· 低通滤波器:只保留低频,会使得图像模糊
· 高通滤波器:只保留高频,会使得图像细节增强
我们来看傅里叶变换的函数原型:
dst=cv2.dft(src, dst=None, flags=None, nonzeroRows=None)
第一个参数src为输入图像
dst是输出图像,包括输出图像的大小和尺寸
flags有五种,为转换标志:
1、DFT _INVERSE:执行的是反向的一维或者二维的转换。
2、DFT _SCALE:矩阵的元素数量除以它,产生缩放效果。
3、DFT _COMPLEX_OUTPUT:执行正向转换。
4、DFT _REAL_OUTPUT:执行一维或二维复数阵列的逆变换,结果通常是相同大小的复数数组,但如果输入数组具有共轭复数对称性,则输出为真实数组。
5、DFT _ROWS:执行正向或者反向变换输入矩阵的每个单独的行,该标志可以同时转换多个矢量,并可用于减少开销以执行3D和更高维度的转换等。
nonzeroRows:表示当参数不为零时,函数假定只有nonzeroRows输入数组的第一行(未设置)或者只有输出数组的第一个(设置)包含非零,因此函数可以处理其余的行更有效率,并节省一些时间;这种技术对计算阵列互相关或使用DFT卷积非常有用。
继续来分析傅里叶逆变换函数:
dst = cv2.idft(src[, dst[, flags[, nonzeroRows]]])
src: 表示输入图像,包括实数或复数。
dst: 表示输出图像。
flags: 表示转换标记。
nonzeroRows: 表示要处理的dst行数,其余行的内容未定义。
得到的结果中频率为零的部分会在左上角,通常要转换到中心位置,可以通过np.fft.fftshift()和np.fft.ifftshift()变换来实现,前者是傅里叶变换,后者是傅里叶逆变换。
cv2.dft()返回的结果是双通道(实部、虚部),通常需要转换成图像格式才能展示(0,255),让我们看一下代码:def dft():
img = cv2.imread('min.jpg', 0) # 将图像转换成灰度图
dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT) # 进行傅里叶变换
dft_shift = np.fft.fftshift(dft) # 将频率为零的部分转移到中心位置
magnitude_spectrum = 20 * np.log(cv2.magnitude(dft_shift[:, :, 0], dft_shift[:, :, 1])) # 公式
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(magnitude_spectrum, cmap='gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.show()
可以看到,中心部分比较亮,越靠近中间位置低频信息越多,而高频信息则都在边界部分。
接下来要想对其进行滤波,应该怎么办呢?
显而易见,既然我们要去除低频分量,那就定一个范围,比如30*30的正方形范围,以图像中心为正方形中心点,将这个范围以内的高亮度的像素点去掉,就完成了滤波,然后我们再使用傅里叶逆变换将图像还原就可以看到。
代码:def filter():
img = cv2.imread('min.jpg', 0)
img_float32 = np.float32(img)
dft = cv2.dft(img_float32, flags=cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)
rows, cols = img.shape
crow, ccol = int(rows / 2), int(cols / 2) # 中心位置
# 低通滤波
mask = np.zeros((rows, cols, 2), np.uint8)
mask[crow - 30:crow + 30, ccol - 30:ccol + 30] = 1
# 高通滤波器
# mask = np.ones((rows, cols, 2), np.uint8)
# mask[crow-30:crow+30, ccol-30:ccol+30] = 0
# IDFT
fshift = dft_shift * mask
f_ishift = np.fft.ifftshift(fshift)
img_back = cv2.idft(f_ishift)
img_back = cv2.magnitude(img_back[:, :, 0], img_back[:, :, 1])
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(img_back, cmap='gray')
plt.title('Result'), plt.xticks([]), plt.yticks([])
plt.show()
低通结果:
也可以设计高通滤波器将低频部分去除,代码在上面也有,只需修改掩模即可,构建一个掩模,与低频区域对应的地方设置为 0, 与高频区域对应的地方设置为 1。下图为效果图,高通结果:
可以看到,高通滤波相当于保留了图像的边缘部分,因为边缘部分属于高频信息。
python傅里叶逆变换_OpenCV-Python系列之傅里叶变换相关推荐
- python绘制汉字_OpenCV Python 绘制中文字
By 凌顺 2019年9月12日 本示例使用的OpenCV版本是:4.1.1 运行Python的编辑器:Jupyter notebook 示例目的 通过使用PLI在图片上添加中文字符. PIL(Pyt ...
- python 创建画板_OpenCV +Python 制作画板
首先声明一下,本例思路不是博主原创,博主在前人的代码上进行了个性化的修改,制作了一个简单的画图工具.下面附上自己的理解,与君共勉. 效果图 画图工具实现 代码 # coding:utf-8 impor ...
- python傅里叶逆变换_C# 傅里叶变换 逆变换 调用MathNet包|简明python教程|python入门|python教程...
https://www.xin3721.com/eschool/pythonxin3721/ 上司给我讲采样率,我觉得自己有点钻牛角尖了,想来想去还是不明白. 因为说的是日语,サンプリング周波数,我就 ...
- python均值滤波_opencv+python实现均值滤波
本文实例为大家分享了opencv+python实现均值滤波的具体代码,供大家参考,具体内容如下 原理 均值滤波其实就是对目标像素及周边像素取平均值后再填回目标像素来实现滤波目的的方法,当滤波核的大小是 ...
- python 超参数_OpenCV python sklearn随机超参数搜索的实现
""" 房价预测数据集 使用sklearn执行超参数搜索 """ import matplotlib as mpl import matpl ...
- python opencv保存图片_OpenCV Python 保存图片
By 凌顺 2019年9月12日 本示例使用的OpenCV版本是:4.1.1 运行Python的编辑器:Jupyter notebook 示例目的 通过无损和有损的方式进行图片保存. 实现代码 1,加 ...
- python opencv 摄像头_opencv python中摄像头参数的设置
我正在使用Windows7 64位操作系统以及Python3和OpenCV.我的电脑连接到以下型号的两个罗技网络摄像头: 1)罗技高清网络摄像头C615 2) 罗技QuickCam Pro 9000 ...
- python制作礼物_opencv+python制作硬核七夕礼物
点击上方"蓝色小字"关注我呀 明天就是七夕了! 如果有对象,祝早生贵子!没有对象,祝早结连理! (搞笑一下,祝大家幸福美满吧,嘿嘿嘿) 给大家准备了一份已经写好的代码,利用pyth ...
- python 椭圆检测_opencv python中的椭圆检测
我的图片在这里: 我正在寻找更好的解决方案或算法来检测这张照片中的椭圆形部分(盘),并在Opencv中的另一张照片中对其进行遮罩. 你能给我一些建议或解决方案吗? 我的代码是: circles = c ...
最新文章
- Centos 6 常用服务部署命令说明
- 2010年暑假送给大学生30句话
- c++如何定义一个只能在堆上(栈上)生成对象的类?
- eclipse如何给main函数传参数
- VS Code 自动修改和保存 代码风格 == eslint+prettier
- winform直接控制云台_速学指南,2分钟学会Feiyu pocket口袋云台的隐藏功能操作
- python爬虫教程蝴蝶汤_Python 爬虫十六式 - 第五式:BeautifulSoup-美味的汤
- SpringAs3的一些配置参数
- [转]ExtJs中使用中碰到的三个问题的解决方法
- Python:程序生成Windows可执行文件/不显示命令执行窗口/无法生成exe报错TypeError: an integer is required (got type bytes)解决方法
- 二 、 搭建Android 开发环境读书笔记
- lisp如何将度分秒转换为弧度_3 角 度分秒与弧度互相转换
- 电路邱关源第五版部分章节总结笔记
- python怎样打开csv文件_如何在Python中打开CSV文件?
- 智能车常用的上下位机:匿名上位机 V7,TFMiniPlus 激光雷达测距
- git push时报错error: File: xxx 252.15 MB, exceeds 100.00 MB.
- 域名如映射为 IP: 端口
- linux与linux之间共享目录
- 【学校实验】编码实现一个地址簿类(AddressBook),通过getAllInfo()输出,实现另一个类(TestAddressBook)该类存有主方法
- CTF web总结(入门)
热门文章
- python狗图像识别_TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片
- 海上瓶子下有东西吗_洗衣液瓶子我从来不扔,瓶身这样剪几刀,解决了很多家庭的大烦恼...
- python excel 转json_Python办公自动化| word 表格转excel
- Android实现边缘凹凸的View
- Python 并行编程
- Python异步非阻塞IO多路复用Select/Poll/Epoll使用
- Spring Data JPA 从入门到精通~事务的处理及其讲解
- Spring Data JPA 从入门到精通~自定义实现Repository
- struts2 防止重复提交 与 进入等待画面
- amd为什么还用针脚_英特尔的针脚都取消了,为什么AMD的还没动静?