qq_45868384的博客

import cv2import numpy as npimport matplotlib.pyplot as plto=cv2.imread('0002.jpg',0)# 进行傅里叶变换f=np.fft.fft2(o)# 低频的位置转换fshift=np.fft.fftshift(f)# 找到原始图像的行列的多少rows,cols=o.shape# 求中心点crow,ccol=int(rows/2),int(cols/2)# 中心行/列加减三十 0是黑色的fshift[crow-

import cv2import numpy as npimport matplotlib.pyplot as plto=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)

import cv2import numpy as npimport matplotlib.pyplot as plt# 读入原始图像 0是灰度转换o=cv2.imread("(1).png",0)# dft函数进行傅里叶变换dft=cv2.dft(np.float32(o),flags=cv2.DFT_COMPLEX_OUTPUT)# 平移到中间dftShift=np.fft.fftshift(dft)# 计算幅度 是一个双通道的 mangnitude转换成八位二进制图像#第0个通道和第

import cv2import numpy as npimport matplotlib.pyplot as plt# 读取一个图片o=cv2.imread("(1).png",0)# 傅里叶变换 np.fft.fft2返回一个复数数组f=np.fft.fft2(o)# 低频的移动到频谱的中间fshift=np.fft.fftshift(f)# 再把以到fshift移回原始位置 fftshift函数的逆函数ishift=np.fft.ifftshift(fshift)# 用io表示逆

滤波：1、接受（通过)或者拒绝一定频率的分量。2、通过低频的滤波器称为低通滤波器3、通过高频的滤波器称为高通滤波器频域滤波：1、修改傅里叶变换以达到特殊目的，然后计算IDFT返回到图像域。2、特殊目的︰图像增强、图像去噪、边缘检测、特征提取、压缩、加密等。低频、高频1、低频对应图像内变化缓慢的灰度分量。例如，在一幅大草原的图像中，低频对应着广袤的颜色趋于一致的草原。2、高频对应图像内变化越来越快的灰度分量，是由灰度的尖锐过渡造成的。例如，在一幅大草原的图像中，出现的狮子..