OpenCV实现傅里叶滤波（个人笔记）

原创最新推荐文章于 2026-06-04 10:28:33 发布 1.5k 阅读 AI写同款

vector_Lu

13粉丝24篇原创

关注

Python下opencv使用笔记（十）（图像频域滤波与傅里叶变换）前面曾经介绍过空间域滤波，空间域滤波就是用各种模板直接与图像进行卷积运算，实现对图像的处理，这种方法直接对图像空间操作，操作简单，所以也是空间域滤波。频域滤波说到底最终可能是和空间域滤波实现相同的功能，比如实现图像的轮廓提取，在空间域滤波中我们使用一个拉普拉斯模板就可以提取，而在频域内，我们使用一个高通滤波模板（因为轮廓在频域内属于高频信号），可以实现轮廓的提取，后面也会把拉普拉斯模板频域化，会发现阅读详情

AI摘要

本文详细记录了利用OpenCV库在Python中实现傅里叶变换和滤波的过程，包括图像的傅里叶变换、高通滤波与低通滤波的应用，旨在帮助读者理解并掌握这一图像处理技术。

import cv2 as cv
import numpy as np
from timeit import default_timer


def fft(gray_img):
    dft = cv.dft(np.float32(img), flags=cv.DFT_COMPLEX_OUTPUT)
    dft_shift = dft  # np.fft.fftshift(dft)
    magnitude_spectrum = 20 * np.log(cv.magnitude(dft_shift[:, :, 0], dft_shift[:, :, 1]))
    cv.normalize(magnitude_spectrum, magnitude_spectrum, 0, 255, cv.NORM_MINMAX)
    magnitude_spectrum = np.uint8(magnitude_spectrum)
    cv.imshow("mag", magnitude_spectrum)
    # ret, thresh = cv.threshold(magnitude_spectrum, 0, 255, cv.THRESH_OTSU)
    # cv.imshow("thresh", thresh)

    rows, cols = gray_img.shape

    # 将低频的信号设置为0
    # 一般不使用矩阵窗口，而是使用高斯窗口
    mask = np.full((rows, cols), fill_value=0, dtype=np.uint8)
    ratio = 0.5
    cv.ellipse(mask, (cols // 2, rows // 2), (int(ratio * cols), int(ratio * rows)), 0, 0, 360, 1, -1)
    # crow, ccol = rows // 2, cols // 2
    # dr, dc = int(0.01 * rows), int(0.01 * cols)
    # mask[:, ccol - dc:ccol + dc] =