opencv学习笔记（十一）

傅里叶变换：

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，例如大海

滤波：

• 低通滤波器：只保留低频，会使图像模糊
• 高通滤波器：只保留高频，会使图像细节增强

opencv中主要就是 cv2.dft() 和c v2.idft() ，输入图像需要先转换为np.floa32的格式；

得到的结果中，频率为0的部分会在左上角，通常需要转换到中心位置，可以通过shift变换来实现

cv2.dft() 返回的结果是双通道的（实部， 虚部），通常还要转换成图像格式才能展示（0，255）

"""傅里叶变换

import cv2
from matplotlib import pyplot as plt
import numpy as np

def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

img = cv2.imread('C:/Users/hellou/Desktop/self-image.jpg',0)
img = cv2.resize(img,(600,600))

img_float32 = np.float32(img)

dft = cv2.dft(img_float32,flags=cv2.DFT_COMPLEX_OUTPUT)#执行傅里叶变换
# #将低频全部转换到中心位置，越高频越往外发散
#参数说明: img表示输入的图片， cv2.DFT_COMPLEX_OUTPUT表示进行傅里叶变化的方法
dft_shift = np.fft.fftshift(dft)
#得到灰度图能表示的形式
'''np.fft.fftshift(img)  将图像中的低频部分移动到图像的中心

参数说明：img表示输入的图片'''
magnitude_spectrum = 20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))
#对两个通道进行转换,但转化完的结果是非常小的数值,所以通过上面的公式映射到0到255之间

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()

""" cv2.magnitude(x, y) 将sqrt(x^2 + y^2) 计算矩阵维度的平方根

参数说明：需要进行x和y平方的数

    np.fft.ifftshift(img) # 进图像的低频和高频部分移动到图像原来的位置

参数说明：img表示输入的图片

    cv2.idft(img) # 进行傅里叶的逆变化

参数说明：img表示经过傅里叶变化后的图片"""