14-傅里叶变换的代码实现-一、numpy实现傅里叶变换和逆傅里叶变换 1.numpy实现傅里叶变换numpy.fft.fft2实现傅里叶变换，返回一个复数数组(complex ndarray)，也就是频谱图像numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域，移到中心位置) 20*np.log(np.abs(fshift))设置频谱的范围。可以理解为，之前通过傅里叶变换得到复数的数组，是不能通过图像的方法展示出来的，需要转换为灰度图像（映射到[0,255]区间）需要注意的是1> 傅里叶得到低频、高频信息，针对低频、高频处理能够实现不同的目的2> 傅里叶过程是可逆的，图像经过傅里叶变换、逆傅里叶变换后，能够恢复到原始图像3> 在频域对图像进行处理，在频域的处理会反映在逆变换图像上 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplo
最编程
2024-08-14 14:52:48
...
获取图像的形状
rows,cols = img.shape
获取图像的中心点
crow,ccol = int(rows/2),int(cols/2)
生成一个原图像大小的全零矩阵（黑色）
mask = np.zeros((rows,cols,2),np.uint8)，这里的(rows,cols,2)是因为dftShift频谱图像的形状是(rows,cols,2)，双通道的
将全零矩阵（黑色）的中心区域设置为1（白色），也就是mask矩阵
mask[crow-30:crow+30,ccol-30:ccol+30] = 1
频谱图像 = 原频谱图像 * mask矩阵
fShift = dftShift*mask
import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags=cv2.DFT_COMPLEX_OUTPUT) dftShift = np.fft.fftshift(dft) # 低通滤波 rows,cols = img.shape crow,ccol = int(rows/2),int(cols/2) mask = np.zeros((rows,cols,2),np.uint8) mask[crow-50:crow+50,ccol-50:ccol+50] = 1 fShift = dftShift*mask # 逆傅里叶变换 ishift = np.fft.ifftshift(fShift) iimg = cv2.idft(ishift) iimg = cv2.magnitude(iimg[:,:,0],iimg[:,:,1]) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("inverse") plt.axis("off") plt.show()
使用opencv实现高通滤波的实验结果：
上一篇： 实现傅里叶变换的Matlab代码