这篇文章主要介绍了python如何实现图像的离散傅立叶变换,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。
图像(MxN)的二维离散傅立叶变换可以将图像由空间域变换到频域中去,空间域中用x,y来表示空间坐标,频域由u,v来表示频率,二维离散傅立叶变换的公式如下:
在python中,numpy库的fft模块有实现好了的二维离散傅立叶变换函数,函数是fft2,输入一张灰度图,输出经过二维离散傅立叶变换后的结果,但是具体实现并不是直接用上述公式,而是用快速傅立叶变换。结果需要通过使用abs求绝对值才可以进行可视化,但是视觉效果并不理想,因为傅立叶频谱范围很大,所以要用log对数变换来改善视觉效果。
在使用log函数的时候,要写成log(1 + x) 而不是直接用log(x),这是为了避开对0做对数处理。
另外,图像变换的原点需要移动到频域矩形的中心,所以要对fft2的结果使用fftshift函数。最后也可以使用log来改善可视化效果。
代码如下:
import numpy as np import matplotlib.pyplot as plt img = plt.imread('photo.jpg') #根据公式转成灰度图 img = 0.2126 * img[:,:,0] + 0.7152 * img[:,:,1] + 0.0722 * img[:,:,2] #显示原图 plt.subplot(231),plt.imshow(img,'gray'),plt.title('original') #进行傅立叶变换,并显示结果 fft2 = np.fft.fft2(img) plt.subplot(232),plt.imshow(np.abs(fft2),'gray'),plt.title('fft2') #将图像变换的原点移动到频域矩形的中心,并显示效果 shift2center = np.fft.fftshift(fft2) plt.subplot(233),plt.imshow(np.abs(shift2center),'gray'),plt.title('shift2center') #对傅立叶变换的结果进行对数变换,并显示效果 log_fft2 = np.log(1 + np.abs(fft2)) plt.subplot(235),plt.imshow(log_fft2,'gray'),plt.title('log_fft2') #对中心化后的结果进行对数变换,并显示结果 log_shift2center = np.log(1 + np.abs(shift2center)) plt.subplot(236),plt.imshow(log_shift2center,'gray'),plt.title('log_shift2center')
运行结果:
根据公式实现的二维离散傅立叶变换如下:
import numpy as np import matplotlib.pyplot as plt PI = 3.141591265 img = plt.imread('temp.jpg') #根据公式转成灰度图 img = 0.2126 * img[:,:,0] + 0.7152 * img[:,:,1] + 0.0722 * img[:,:,2] #显示原图 plt.subplot(131),plt.imshow(img,'gray'),plt.title('original') #进行傅立叶变换,并显示结果 fft2 = np.fft.fft2(img) log_fft2 = np.log(1 + np.abs(fft2)) plt.subplot(132),plt.imshow(log_fft2,'gray'),plt.title('log_fft2') h , w = img.shape #生成一个同样大小的复数矩阵 F = np.zeros([h,w],'complex128') for u in range(h): for v in range(w): res = 0 for x in range(h): for y in range(w): res += img[x,y] * np.exp(-1.j * 2 * PI * (u * x / h + v * y / w)) F[u,v] = res log_F = np.log(1 + np.abs(F)) plt.subplot(133),plt.imshow(log_F,'gray'),plt.title('log_F')
直接根据公式实现复杂度很高,因为是四重循环,时间复杂度为 ,所以实际用的时候需要用快速傅立叶变换来实现
感谢你能够认真阅读完这篇文章,希望小编分享的“python如何实现图像的离散傅立叶变换”这篇文章对大家有帮助,同时也希望大家多多支持亿速云,关注亿速云行业资讯频道,更多相关知识等着你来学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。