opecv傅里叶——在频域进行低通滤波（b站学习内容）

小五角

于 2022-04-08 21:07:16 发布

阅读量163

点赞数

分类专栏： opencv傅里叶相关学习内容文章标签： python pytorch 图像处理 opencv

本文链接：https://blog.youkuaiyun.com/qq_45868384/article/details/124051006

版权

opencv傅里叶相关学习内容专栏收录该内容

5 篇文章

订阅专栏

该博客介绍了如何使用OpenCV库在Python中进行傅里叶变换来处理图像。首先读取图像并进行傅里叶变换，然后通过移动低频成分到中心并创建掩膜来实现图像的模糊和锐化操作。最后应用逆傅里叶变换将处理后的频谱图像还原回空间域，展示原图和处理结果的对比。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import  cv2
import numpy as np
import matplotlib.pyplot as plt
o=cv2.imread("(1).png",0)
# 进行傅里叶变换
dft=cv2.dft(np.float32(o),flags=cv2.DFT_COMPLEX_OUTPUT)
# 进行低频位置移动到中心
dshift=np.fft.fftshift(dft)
# 找到行列的值
rs,cs=o.shape
# 计算中心的行和列
cr,cc=int(rs/2),int(cs/2)
# 计算掩膜生成一个行和列控制的,周围都设置成0中心的设置为1
mask=np.zeros((rs,cs,2),np.int8)
# 值越高，越清晰，值约低约模糊
mask[cr-80:cr+80,cc-80:cc+80]=1
# 淹膜和频谱图像进行乘法运算
md=dshift*mask
# 移动到左上角 逆傅里叶变换
imd =np.fft.ifftshift(md)
io=cv2.idft(imd)
io=cv2.magnitude(io[:,:,0],io[:,:,1])

plt.subplot(121)
plt.imshow(o,cmap="gray")
plt.title("origian")
plt.axis("off")
plt.subplot(122)
plt.imshow(io,cmap="gray")
plt.title("result")
plt.axis("off")
plt.show()