低通滤波opencv

最新推荐文章于 2024-08-12 21:24:10 发布

原创

最新推荐文章于 2024-08-12 21:24:10 发布 · 1k 阅读

2 ·

CC 4.0 BY-SA版权

本文主要介绍如何使用OpenCV进行低通滤波操作，通过保留图像的低频成分来保持图像细节。内容涵盖低通滤波的基本原理，以及掩模大小对滤波效果的影响，掩模越小，图像模糊程度越高。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

理论基础知识，高通部分已经讲过，这里不重复了。本部分做低通滤波，保留细节。即频谱中间部分保留，与高通相反。
在这里插入图片描述

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

o=cv2.imread('image\\lena256.bmp',0)    #读入图片
dft=cv2.dft(np.float32(o),flags=cv2.DFT_COMPLEX_OUTPUT)
dshift=np.fft.fftshift(dft)             #傅里叶变换

rows,cols=o.shape                     #行 列
crow,ccol=int(rows/2),int(cols/2)     #中心
mask=np.zeros((rows,cols,2),np.int8) #生成掩膜，2个通道，256位
mask1=np.zeros((rows,cols,2),np.int8) #生成掩膜，2个通道，256位
mask[crow-30:crow+30,ccol-30:ccol+30]=1 #中心区域设置为1,大小30*30
mask1[crow-10:crow+10,ccol-10:ccol+10]=1 #中心区域设置为1，大小10*10

md=dshift*mask
ishift=np.fft.ifftshift(md)
io=cv2.idft(ishift)
io=cv2.magnitude(io[:,:,0],io[:,:,1])   #逆傅里叶变换

md1=dshift*mask1
ishift1=np.fft.ifftshift(md1)
io1=cv2.idft(ishift1)
io1=cv2.magnitude(io1[:,:,0],io1[:,:,1])   #逆傅里叶变换

plt.subplot(131),plt.imshow(o,cmap='gray'),plt.title('original'