【opencv学习】【傅里叶变换】【高通滤波器和低通滤波器】

最新推荐文章于 2025-02-22 12:55:13 发布

原创

最新推荐文章于 2025-02-22 12:55:13 发布 · 1.1k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #学习

本文探讨了如何使用OpenCV进行图像的傅立叶变换（DFT），实现低通和高通滤波，通过实际操作展示了滤波效果对图像细节和模糊度的影响。

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


# 展示图像，封装成函数
def cv_show_image(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)  # 等待时间，单位是毫秒，0代表任意键终止
    cv2.destroyAllWindows()

# 高频：图像灰度变化剧烈的部分，一般是边界点
# 低频：图像像素变化变化缓慢的部分

# 高通滤波：只保留高频成分，会使得图像细节增强
# 低通滤波：只保留低频成分，会使得图像变得模糊

# 1. cv2.dft(img, cv2.DFT_COMPLEX_OUTPUT) 进行傅里叶变化
# 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
#
# 2. 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
#
# 3. 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
#
# 4.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
#
# 5.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


# =============================================================================
# 图像的DFT
# =============================================================================

img = cv2.imread('images/naruto.jpg', cv2.IMREAD_GRAYSCALE)  # 读取灰度图，DFT是对一个通道计算的
img_float32 = np.float32(img)  # 转成浮点数的，方便DFT计算

# 进行DFT计算
# 但是结果是双通道的，有实部和虚部，无法直接展示，需要转换成图像格式（像素值是0~255）才能展示
dft = cv2.dft(img_float32, flags=cv2.DFT_COMPLEX_OUTPUT)
print(dft.shape)
dft_shift = np.fft.fftshift(dft)