本文共 1280 字,大约阅读时间需要 4 分钟。
理论基础
时域:以时间为横坐标 频域:以频率的倒数为横坐标,可以看出,频域更加简单。相位:与时间差有关的一个概念。
傅里叶说,任何连续周期信号,可以由一组适当的正弦曲线组合而成。我们知道,正弦曲线可以转换为频域信号,所以:任何连续周期信号,都可以转换成频域信号。并且这个过程是可逆的。
程序实现 1. 傅里叶变换numpy.fft.fft2
1 实现傅里叶变换。 返回一个复数数组。 numpy.fft.fftshift 效果如图所示 将零频率分量移到频谱中心。 20*np.log( np.abs( fshift ) ) 1 将傅里叶变换的计算结果映射到【0,255】这个区间内。import cv2
import numpy as np import matplotlib.pyplot as plto=cv2.imread('image\\equ2.bmp',0)
f=np.fft.fft2(o) #傅里叶变换 fshift=np.fft.fftshift(f) #零频率移到中心 result= 20 * np.log(np.abs(fshift)) #阈值转换 plt.subplot(121),plt.imshow(o,cmap='gray'),plt.title('original'),plt.axis('off') plt.subplot(122),plt.imshow(result,cmap='gray'),plt.title('result'),plt.axis('off') plt.show()1
2 3 4 5 6 7 8 9 10 11 122. 逆傅里叶变换
numpy.fft.ifft2
1 实现逆傅里叶变换。 返回一个复数数组。 numpy.fft.ifftshift 1 fftshift的逆函数,将低频从中心移到左上角。iimg=np.abs( 逆傅里叶变换结果)
1 设置值得范围将图像进行傅里叶变换后,再进行逆傅里叶变换,与原图片对比。
import cv2
import numpy as np import matplotlib.pyplot as plto=cv2.imread('image\\boat.bmp',0)
f=np.fft.fft2(o) fshift=np.fft.fftshift(f) #傅里叶变换 ishift=np.fft.ifftshift(fshift) io=np.fft.ifft2(ishift) io=np.abs(io) #逆傅里叶变换 plt.subplot(121),plt.imshow(o,cmap='gray'),plt.title('original'),plt.axis('off') plt.subplot(122),plt.imshow(io,cmap='gray'),plt.title('result'),plt.axis('off') plt.show()1
2 3 4 5 6 7 8 9 10 11 12 13 14
转载地址:http://jgows.baihongyu.com/