OpenCV入门————离散的傅里叶变换

最新推荐文章于 2024-01-23 13:15:00 发布

今天我牙疼

最新推荐文章于 2024-01-23 13:15:00 发布

阅读量289

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/qq_40924514/article/details/99702826

本文详细介绍使用傅里叶变换进行图像处理的方法，包括离散傅里叶变换（DFT）的尺寸优化、图像边框扩展、傅里叶变换执行、结果对数尺度转换及图像频谱可视化等关键步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言：

傅里叶变换是指将图像拆解成正弦与余弦元素，也就是将图由空间性转换为频率性。

int getOptimalDFTSize(int vecsize)：由输入的向量大小取得最佳的DFT（离散的傅里叶变换）大小

vecsize：输入的向量大小

copyMakeBorder(InputArray src, OutputArray dst, int top, int bottom, int left, int right, int borderType, const Scalar& value = Scalar())：在图像外围增加边框

src：原图像
dst：结果图像；大小是原图加上上下左右扩展的像素数
top：向上扩展的像素数
bottom：向下扩展的像素数
left：向左扩展的像素数
right：向右扩展的像素数
borderType：边框类型（详细类型可百度）
value：若边框类型是BORDER_CONSTANT，此参数代表边框值

dft(InputArray src, OutputArray dst, int flash = 0, int nonzeroRows=0)：执行向前或反向的傅里叶变换值

src:输入图像
dst：结果图像

3.flage：转换标志，可以为下列组合

DFT_INVERSE：执行反向转换 DFT_SCALE：缩放结果
DFT_ROWS：对输入图像的每一列执行向前或反向的转换
DFT_COMPLEX_OUTPUT：执行向前转换
DFT_REAL_OUTPUT：执行一维或二维复数数组，反向转换

magnitude(InputArray src, OutputArray dst, double alpha = 1, double beta = 0, int norm_type = NORM_L2, int dtype = -1, InputArray mask = noArray())：数组值距或基准的正常化处理

或者：normalize(const SparseMat& src, SparseMat& dst, double alpha,
int mormType)

stc：输入图像
dst：输出图像
alpha：基准正常化的基准值，或是范围正常化的较低范围边界值
beta：范围正常化的较高范围边界值，但不用基准正常化
norm_type：正常化类型
dtype：若为负值则输入与输出有相同的通道与深度
mask：可有可无的遮罩值

#include<opencv2/core/core.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
	const char* filename = "F:\\Openfile\\Open_file\\open1\\01.jpg";
	Mat I = imread(filename, CV_LOAD_IMAGE_GRAYSCALE);

	if (I.empty())
		return -1;

	Mat padded;

	//扩张图像到理想的大小
	int m = getOptimalDFTSize(I.rows);
	int n = getOptimalDFTSize(I.cols);

	//在图像的边框补0值
	copyMakeBorder(I, padded, 0, m - I.rows, 0, n - I.cols, BORDER_CONSTANT, Scalar::all(0));
	
	Mat planes[] = { Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F) };

	Mat complexI;

	//使用0增加到另一个扩增面
	merge(planes, 2, complexI);

	//将结果大小与原图吻合
	dft(complexI, complexI);

	//计算扩增值并更换成对数的刻度
	split(complexI, planes);
	magnitude(planes[0], planes[1], planes[0]);
	Mat magI = planes[0];

	//更换成对数的刻度
	magI += Scalar::all(1);
	log(magI, magI);

	//如果有奇数的行或列就修剪光谱
	magI = magI(Rect(0, 0, magI.cols & -2, magI.rows & -2));

	//安排傅里叶变换的四项区，以便原点位在图的中间
	int cx = magI.cols / 2;
	int cy = magI.rows / 2;

	//使每个区块都产生图块

	//左上
	Mat q0(magI, Rect(0, 0, cx, cy));
	
	//右上
	Mat q1(magI, Rect(cx, 0, cx, cy));

	//左下
	Mat q2(magI, Rect(0, cy, cx, cy));

	//右下
	Mat q3(magI, Rect(cx, cy, cx, cy));

	Mat tmp;

	//四象限区块左上与右下对调
	q1.copyTo(tmp);
	q2.copyTo(q0);
	tmp.copyTo(q3);

	//以浮点值（0-1）转换图像到可见的图
	normalize(magI, magI, 0, 1,CV_MINMAX);

	imshow("input image", I);
	imshow("spectrum magnitude", magI);

	waitKey(0);

	return 0;
}