利用python对图像进行傅里叶变换_python实现图像傅里叶变换
创作不易,如果对您有所帮助,请帮忙点赞,感谢!
一. 傅里叶变换简介:
在数字图像处理中,有两个经典的变换被广泛使用——傅里叶变换和霍夫变换。傅里叶变换是将时间域上的信号转变为频率域上的信号,进而进行图像去噪、图像增强等处理。
傅里叶变换(Fourier Transform,FT)后,对同一事物的观看角度随之改变,可以从频域里发现一些从时域里不易察觉的特征。某些在时域内不好处理的地方,在频域内可以容易地处理。
傅里叶定理:“ 任何连续周期信号都可以表示成(或者无限逼近)一系列正弦信号的叠加。”
一维傅里叶公式如下:
w 表示频率, t 表示时间, 它将频率域的函数表示为时间域函数 f(t)的积分 ↑
我们知道,灰度图像是由二维的离散的点构成的。二维离散傅里叶变换(Two-Dimensional Discrete Fourier Transform)常用于图像处理中,对图像进行傅里叶变换后得到其频谱图。频谱图中频率高低表征图像中灰度变化的剧烈程度。图像中边缘和噪声往往是高频信号,而图像背景往往是低频信号。我们在频率域内可以很方便地对图像的高频或低频信息进行操作,完成图像去噪,图像增强,图像边缘提取等操作。
对二维图像进行傅里叶变换用如下式子进行:
图像长M,高N。F(u,v)表示频域图像,f(x,y)表示时域图像。u的范围为[0,M-1],v的范围为[0,N-1] ↑
对二维图像进行傅里叶逆变换式子如下:
图像长M,高N。f(x,y)表示时域图像, F(u,v)表示频域图像。x的范围为[0,M-1],y的范围为[0,N-1] ↑
二. python实现二维图像的傅里叶变换原理
import cv2
import numpy as np
# DFT
def dft(img):
H, W, channel = img.shape
# Prepare DFT coefficient
G = np.zeros((H, W, channel), dtype=np.complex)
# prepare processed index corresponding to original image positions
x = np.tile(np.arange(W), (H, 1))
y = np.arange(H).repeat(W).reshape(H, -1)
# dft
for c in range(channel):
for v in range(H):
for u in range(W):
G[v, u, c] = np.sum(img[..., c] * np.exp(-2j * np.pi * (x * u / W + y * v / H))) / np.sqrt(H * W)
return G
# IDFT
def idft(G):
# prepare out image
H, W, channel = G.shape
out = np.zeros((H, W, channel), dtype=np.float32)
# prepare processed index corresponding to original image positions
x = np.tile(np.arange(W), (H, 1))
y = np.arange(H).repeat(W).reshape(H, -1)
# idft
for c in range(channel):
for v in range(H):
for u in range(W):
out[v, u, c] = np.abs(np.sum(G[..., c] * np.exp(2j * np.pi * (x * u / W + y * v / H)))) / np.sqrt(W * H)
# clipping
out = np.clip(out, 0, 255)
out = out.astype(np.uint8)
return out
# Read image
img = cv2.imread("../head.png").astype(np.float32)
# DFT
G = dft(img)
# write poser spectal to image
ps = (np.abs(G) / np.abs(G).max() * 255).astype(np.uint8)
cv2.imwrite("out_ps.jpg", ps)
# IDFT
out = idft(G)
# Save result
cv2.imshow("result", out)
cv2.imwrite("out.jpg", out)
cv2.waitKey(0)
cv2.destroyAllWindows()
三. 实验结果:
原图 ↑
经过傅里叶变换、反变换后的图像 ↑
四. C语言实现图像傅里叶变换:
// 傅里叶变换
void fre_spectrum(short **in_array, short **out_array, long height, long width)
{
double re, im, temp;
int move;
for (int i = 0; i < height; i++){
for (int j = 0; j < width; j++){
re = 0;
im = 0;
for (int x = 0; x < height; x++){
for (int y = 0; y < width; y++){
temp = (double)i * x / (double)height +
(double)j * y / (double)width;
move = (x + y) % 2 == 0 ? 1 : -1;
re += in_array[x][y] * cos(-2 * pi * temp) * move;
im += in_array[x][y] * sin(-2 * pi * temp) * move;
}
}
out_array[i][j] = (short)(sqrt(re*re + im*im) / sqrt(width*height));
if (out_array[i][j] > 0xff)
out_array[i][j] = 0xff;
else if (out_array[i][j] < 0)
out_array[i][j] = 0;
}
}
}
// 傅里叶反变换
void idft(double** re_array, double** im_array, short** out_array, long height, long width)
{
double real, temp;
for (int i = 0; i < height; i++){
for (int j = 0; j < width; j++){
real = 0;
for (int x = 0; x < height; x++){
for (int y = 0; y < width; y++){
temp = (double)i * x / (double)height +
(double)j * y / (double)width;
real += re_array[x][y] * cos(2 * pi * temp) -
im_array[x][y] * sin(2 * pi * temp);
}
}
out_array[i][j] = (short)(real / sqrt(width*height));
if (out_array[i][j] > 0xff)
out_array[i][j] = 0xff;
else if (out_array[i][j] < 0)
out_array[i][j] = 0;
}
}
printf("idft done\n");
}
五. 参考内容:
六. 版权声明:
未经作者允许,请勿随意转载抄袭,抄袭情节严重者,作者将考虑追究其法律责任,创作不易,感谢您的理解和配合!
利用python对图像进行傅里叶变换_python实现图像傅里叶变换相关推荐
- Python 怎么利用Python绘制二元高次隐函数的函数图像及其极值点——以某双核论文模型方程为例
项目场景: 几日前,在研究某双核期刊的某篇论文时,发现论文上的函数图像绘制得似乎有些不精确.原函数方程为:(0.2045*y)^2+(3/4*y^3-2*x*y)^2-0.45^2=0.论文原文中函数 ...
- 利用python对图像进行傅里叶变换_Python 实现图像快速傅里叶变换和离散余弦变换...
图像的正交变换在数字图像的处理与分析中起着很重要的作用,被广泛应用于图像增强.去噪.压缩编码等众多领域.本文手工实现了 二维离散傅里叶变换 和 二维离散余弦变换 算法,并在多个图像样本上进行测试,以探 ...
- python读取图像并相加_python给图像加上mask,并提取mask区域实例
python对图像提取mask部分: 代码: #coding:utf-8 import os import cv2 import numpy as np def add_mask2image_bina ...
- python提取列表中文本_python提取图像的名字*.jpg到txt文本的方法
如下所示: # -*- coding:utf-8 -*- import sys sys.path.append('E:\\Anaconda\\libs') import os #os:操作系统相关的信 ...
- python实现浮雕效果的原理_python+opencv+图像特效(图像灰度处理、颜色翻转、图片融合,边缘检测,浮雕效果,颜色映射)...
原图 图像灰度处理 #方式1 import cv2 #读取彩色原图 img0=cv2.imread('E:/python_cv/01.jpg',1) #读取灰度图 img1=cv2.imread('E ...
- python 读取图片为数字矩阵_python读取图像矩阵文件并转换为向量实例
假设图像矩阵大小为32×32,将其转换为向量,首先创建1×1024的NumPy数组,然后打开给定的文件,循环读出文件的前32行,并将每行的头32个字符值存储在NumPy数组中 import numpy ...
- 利用python批量查询企业信息_python实现批量获取指定文件夹下的所有文件的厂商信息...
本文实例讲述了python实现批量获取指定文件夹下的所有文件的厂商信息的方法.分享给大家供大家参考.具体如下: 功能代码如下: import os, string, shutil,re import ...
- python图像边缘检测报告_python – 检测图像的最外边缘并基于它进行绘图
我会使用以下方法尝试找到问题中提供的四行. 1.读取图像,并将其转换为灰度 import cv2 import numpy as np rgb_img = cv2.imread('pipe.jpg') ...
- 利用python获取股票折线图_python绘制香农的投资组合折线图
写在前面 最近在看<赌神数学家>这本书,在此书的第四部分"圣彼得堡悖论的故事"的"香农的恶魔"这一小节中,讲了香农自己对于股票的投资策略.在这一小节 ...
最新文章
- iOS-查询数据库--指定数据表中的当前数据行的总数量
- 路,链(迹),割的概念
- 什么叫大地高_等电位箱有什么用?
- Tomcat的虚拟主机的配置
- c++读取文件内容并保存到二维数组
- java观察者设计模式
- Butterknife 的简单使用 和 配合 Butterknife的插件 Zelezny
- Latex可能遇到的一些问题
- Oracle UNDO表空间损坏时的处理办法
- PHP实现异步调用方法研究
- react-ssr之路由配置
- drm是什么_DRM:它是什么,为什么不起作用
- 我分析了2837首歌曲,做了个信息检索与信息抽取系统
- CNVD-2020-10487(Tomcat AJP)漏洞
- JavaScript系列之条件运算符
- Inception-V3论文翻译——中英文对照
- 计算机组成内存外存,内存和外存
- c语言文件压缩怎么求压缩比,文件压缩C语言程序设计报告.doc
- 卡尔曼滤波 - 状态空间模型中的状态方程
- 生活不止有眼前的苟且,还有远方的苟且
热门文章
- RHEL 8使用CentOS源
- histeq matlab原理,MATLAB中histeq的原理以及自写的具体实现函数
- 【转】周鸿祎:创业计划书,十页PPT讲清九大问题!
- 上海交通大学2017年复试题:FibonacciRepresentation
- padStart()与padEnd()
- 致小白的K210模型训练与运用
- android h5 唤起app,h5唤起app解决方案
- 2325: [ZJOI2011]道馆之战 (树链剖分+线段树)
- 茧数SCRM产品介绍系列:销售协同
- Maven基本面试题问答