【OpenCV4】图像的傅里叶变换 cv::dft() 和逆变换 cv::idft() 解析（c++）

图像傅里叶变换的作用：

频谱分析，获取图像中高频低频的分布情况
快速卷积，两个矩阵的傅里叶变换结果相乘

案例代码：

cv::Mat TestOpencvDft()
{cv::Mat lena = cv::imread("lena.jpg", 0);cv::resize(lena, lena, cv::Size(501, 501));// 确定适合做傅里叶变换的图像最佳尺寸int rows = cv::getOptimalDFTSize(lena.rows);int cols = cv::getOptimalDFTSize(lena.cols);// 扩展图像cv::Mat lena_pad;int up = (rows - lena.rows) / 2;int down = rows - lena.rows - up;int left = (cols - lena.cols) / 2;int right = cols - lena.cols - left;cv::copyMakeBorder(lena, lena_pad, up, down, left, right, cv::BORDER_CONSTANT);// 构建输入cv::Mat channels[2], complex;channels[0] = cv::Mat_<float>(lena_pad); // 构建实数部分channels[1] = cv::Mat::zeros(lena_pad.size(), CV_32FC1); // 构建虚数部分cv::merge(channels, 2, complex); // 构建复数矩阵// 离散傅里叶变换cv::Mat lena_dft;cv::dft(complex, lena_dft);// 拆分实数部分和虚数部分，将复数转化为幅值cv::Mat result_channels[2];cv::split(lena_dft, result_channels);cv::Mat amplitude;cv::magnitude(result_channels[0], result_channels[1], amplitude);// 将幅值进行对数缩小，公式： amp = log(amp+1)，这里 +1 是为了防止有小于 1 的值转换后形成负数amplitude += 1;log(amplitude, amplitude);// 截取和原图对应的区域amplitude = amplitude(cv::Rect(up, left, lena.cols, lena.rows));cv::normalize(amplitude, amplitude, 0, 1, cv::NORM_MINMAX);// 最值中心化int center_x = amplitude.cols / 2;int center_y = amplitude.rows / 2;// 分解成 4 个象限cv::Mat up_left = amplitude(cv::Rect(0, 0, center_x, center_y));cv::Mat up_right = amplitude(cv::Rect(center_x, 0, center_x, center_y));cv::Mat down_left = amplitude(cv::Rect(0, center_y, center_x, center_y));cv::Mat down_right = amplitude(cv::Rect(center_x, center_y, center_x, center_y));// 对角区域调换cv::Mat temp;temp = up_left.clone();down_right.copyTo(up_left);temp.copyTo(down_right);temp = up_right.clone();down_left.copyTo(up_right);temp.copyTo(down_left);// 傅里叶逆变换cv::Mat re;cv::idft(lena_dft, re, cv::DFT_SCALE);cv::Mat re_channels[2];cv::split(re, re_channels);cv::Mat result;re_channels[0].convertTo(result, CV_8UC1);return result;
}

输入图片：

读取灰度图：

修改宽高

按照最优的宽高扩展图像

傅里叶变换结果

转换成幅值图：

四个角是低频部分，中心是高频部分

最值中心化：
将低频部分移动到中心

傅里叶逆变换结果

【OpenCV4】图像的傅里叶变换 cv::dft() 和逆变换 cv::idft() 解析（c++）相关推荐

opencv4 图像特征匹配_概述 | 全景图像拼接技术全解析
点击上方蓝字关注我们微信公众号:OpenCV学堂关注获取更多计算机视觉与深度学习知识前言图像/视频拼接的主要目的是为了解决相机视野(FOV-Field Of View)限制,生成更宽的FOV图 ...
python的图像傅里叶变换 np.fft.fft2 cv.dft 函数
码字不易,如果对您有所帮助,记着点赞哦! 一. 图像傅里叶变换原理: 原理简介请参考:https://www.cnblogs.com/wojianxin/p/12529809.html 对二维图像进行 ...
图像的傅里叶变换和逆变换C++版
目录头文件:包含OpenCV和标准库输出调试读入并显示原图进行离散傅里叶变换和逆变换显示傅里叶变换图完整代码: 参考文献: 首先把整体程序分段,每段都是单独的功能.最后再把完整代码给出: 头 ...
【图像处理】——傅里叶变换、DFT以及在图像上的应用
目录 1.傅里叶变换 2.DFT 1)一维离散傅里叶变换: 离散傅里叶变换例子 2)二维离散傅里叶变换: 注:连续变换和离散变化学习心得 3.DFT在图像上的应用注意:二维和一维的区别 4.DFT在 ...
CV：计算机视觉技术之图像基础知识(一)—以python的cv2库来了解计算机视觉图像基础(傅里叶变换-频域-时域/各种滤波器-线性-非线性-均值-中值-高斯-双边)
CV:计算机视觉技术之图像基础知识(一)-以python的cv2库来了解计算机视觉图像基础(傅里叶变换-频域-时域/各种滤波器-线性-非线性-均值-中值-高斯-双边) 目录一.图像中的傅里叶变换 1 ...
【 MATLAB 】离散傅里叶变换（DFT）以及逆变换（IDFT）的MATLAB实现
刚刚写过一篇用MATLAB实现离散傅里叶级数的博文,如下: [ MATLAB ]离散傅里叶级数(DFS)及 IDFS 的 MATLAB 实现离散傅里叶变换不是一种神奇的东西,它和离散傅里叶级数关系很 ...
利用python对图像进行傅里叶变换_python用opencv 图像傅里叶变换
傅里叶变换 dft = cv.dft(np.float32(img),flags = cv.DFT_COMPLEX_OUTPUT) 傅里叶逆变换 img_back = cv.idft(f_ishift ...
使用OpenCV实现离散傅里叶变换（DFT）
使用OpenCV实现离散傅里叶变换(DFT) 傅里叶变换,妈呀这个东东好高级啊!真的高级吗?理解起来还真是有点困难,需要一些高等数学的基础.有了OpenCV,你不理解也没问题,会用就OK!就好比你会用 ...
利用python对图像进行傅里叶变换_(九)OpenCV-Python学习—图像傅里叶变换
对于二维图片,可以对其进行傅里叶变换,获取图片的频谱信息.频谱有很多应用,包括显著性检测,卷积定理,频率域滤波等,下面是图片傅里叶变换的一些基本概念: 1. 图像傅里叶变换对于M行N列的图像矩阵f( ...

【OpenCV4】图像的傅里叶变换 cv::dft() 和逆变换 cv::idft() 解析（c++）

【OpenCV4】图像的傅里叶变换 cv::dft() 和逆变换 cv::idft() 解析（c++）相关推荐

最新文章

热门文章