技术标签: 数字图像处理入门 傅里叶变换原理 python手动实现 c实现 数字图像处理 傅里叶变换
创作不易,如果对您有所帮助,请帮忙点赞,感谢!
一. 傅里叶变换简介:
在数字图像处理中,有两个经典的变换被广泛使用——傅里叶变换和霍夫变换。傅里叶变换是将时间域上的信号转变为频率域上的信号,进而进行图像去噪、图像增强等处理。
傅里叶变换(Fourier Transform,FT)后,对同一事物的观看角度随之改变,可以从频域里发现一些从时域里不易察觉的特征。某些在时域内不好处理的地方,在频域内可以容易地处理。
傅里叶定理:“ 任何连续周期信号都可以表示成(或者无限逼近)一系列正弦信号的叠加。”
一维傅里叶公式如下:
w 表示频率, t 表示时间, 它将频率域的函数表示为时间域函数 f(t)的积分 ↑
我们知道,灰度图像是由二维的离散的点构成的。二维离散傅里叶变换(Two-Dimensional Discrete Fourier Transform)常用于图像处理中,对图像进行傅里叶变换后得到其频谱图。频谱图中频率高低表征图像中灰度变化的剧烈程度。图像中边缘和噪声往往是高频信号,而图像背景往往是低频信号。我们在频率域内可以很方便地对图像的高频或低频信息进行操作,完成图像去噪,图像增强,图像边缘提取等操作。
对二维图像进行傅里叶变换用如下式子进行:
图像长M,高N。F(u,v)表示频域图像,f(x,y)表示时域图像。u的范围为[0,M-1],v的范围为[0,N-1] ↑
对二维图像进行傅里叶逆变换式子如下:
图像长M,高N。f(x,y)表示时域图像, F(u,v)表示频域图像。x的范围为[0,M-1],y的范围为[0,N-1] ↑
二. python实现二维图像的傅里叶变换原理
import cv2
import numpy as np
# DFT
def dft(img):
H, W, channel = img.shape
# Prepare DFT coefficient
G = np.zeros((H, W, channel), dtype=np.complex)
# prepare processed index corresponding to original image positions
x = np.tile(np.arange(W), (H, 1))
y = np.arange(H).repeat(W).reshape(H, -1)
# dft
for c in range(channel):
for v in range(H):
for u in range(W):
G[v, u, c] = np.sum(img[..., c] * np.exp(-2j * np.pi * (x * u / W + y * v / H))) / np.sqrt(H * W)
return G
# IDFT
def idft(G):
# prepare out image
H, W, channel = G.shape
out = np.zeros((H, W, channel), dtype=np.float32)
# prepare processed index corresponding to original image positions
x = np.tile(np.arange(W), (H, 1))
y = np.arange(H).repeat(W).reshape(H, -1)
# idft
for c in range(channel):
for v in range(H):
for u in range(W):
out[v, u, c] = np.abs(np.sum(G[..., c] * np.exp(2j * np.pi * (x * u / W + y * v / H)))) / np.sqrt(W * H)
# clipping
out = np.clip(out, 0, 255)
out = out.astype(np.uint8)
return out
# Read image
img = cv2.imread("../head.png").astype(np.float32)
# DFT
G = dft(img)
# write poser spectal to image
ps = (np.abs(G) / np.abs(G).max() * 255).astype(np.uint8)
cv2.imwrite("out_ps.jpg", ps)
# IDFT
out = idft(G)
# Save result
cv2.imshow("result", out)
cv2.imwrite("out.jpg", out)
cv2.waitKey(0)
cv2.destroyAllWindows()
三. 实验结果:
原图 ↑
经过傅里叶变换、反变换后的图像 ↑
四. C语言实现图像傅里叶变换:
// 傅里叶变换
void fre_spectrum(short **in_array, short **out_array, long height, long width)
{
double re, im, temp;
int move;
for (int i = 0; i < height; i++){
for (int j = 0; j < width; j++){
re = 0;
im = 0;
for (int x = 0; x < height; x++){
for (int y = 0; y < width; y++){
temp = (double)i * x / (double)height +
(double)j * y / (double)width;
move = (x + y) % 2 == 0 ? 1 : -1;
re += in_array[x][y] * cos(-2 * pi * temp) * move;
im += in_array[x][y] * sin(-2 * pi * temp) * move;
}
}
out_array[i][j] = (short)(sqrt(re*re + im*im) / sqrt(width*height));
if (out_array[i][j] > 0xff)
out_array[i][j] = 0xff;
else if (out_array[i][j] < 0)
out_array[i][j] = 0;
}
}
}
// 傅里叶反变换
void idft(double** re_array, double** im_array, short** out_array, long height, long width)
{
double real, temp;
for (int i = 0; i < height; i++){
for (int j = 0; j < width; j++){
real = 0;
for (int x = 0; x < height; x++){
for (int y = 0; y < width; y++){
temp = (double)i * x / (double)height +
(double)j * y / (double)width;
real += re_array[x][y] * cos(2 * pi * temp) -
im_array[x][y] * sin(2 * pi * temp);
}
}
out_array[i][j] = (short)(real / sqrt(width*height));
if (out_array[i][j] > 0xff)
out_array[i][j] = 0xff;
else if (out_array[i][j] < 0)
out_array[i][j] = 0;
}
}
printf("idft done\n");
}
五. 参考内容:
https://www.cnblogs.com/wojianxin/p/12529809.html
https://www.jianshu.com/p/835a7a68d0ee
六. 版权声明:
未经作者允许,请勿随意转载抄袭,抄袭情节严重者,作者将考虑追究其法律责任,创作不易,感谢您的理解和配合!
文章浏览阅读1.5k次。著名程序员 Eric S. Raymond(简称 ESR)近日发表了一篇文章,表示 C 语言的地位在逐渐下降,出现了一些可代替 C 语言的其他语言。使用 C 语言 35 年后,ESR 表示发现了可代替 C 语言的其他语言,在此之前都没有发现 C 语言的后继者,也没有任何关于系统编程的后 C 技术平台的真实愿景,但现在有了两个,准确的说是三个。除了文中提到的 Go 语言和 Rus_esrcx
文章浏览阅读6.2k次,点赞4次,收藏47次。将数据先进行fast-ICA处理,再进行滤波之后得到的数据,进行HHT变换。导入库:import numpy as npimport pyhht #pyhht库,进行hht变换的主要库,可使用pip install pyhht安装import matplotlib.pyplot as pltfrom pyhht.visualization import plot_imfs #..._hht变换
文章浏览阅读5.2k次,点赞17次,收藏137次。构建了CNN-LSTM油耗预测模型,实现对车辆油耗的单步预测_cnn-lstm
文章浏览阅读78次。城市平乱时间限制:1000 ms | 内存限制:65535 KB难度:4描述南将军统领着N个部队,这N个部队分别驻扎在N个不同的城市。他在用这N个部队维护着M个城市的治安,这M个城市分别编号从1到M。现在,小工军师告诉南将军,第K号城市发生了暴乱,南将军从各个部队都派遣了一个分队沿最近路去往暴乱城市平乱。现在已知在任意两个城市之间的路行军所需的时间,你作为南将军麾下最厉害的程序员,请你编写一个...
文章浏览阅读2.3w次。因此,模型规模增长是必然趋势,当推进大模型规模不断增长的时候,涌现能力的出现会让任务的效果更加出色。有趣的是,当参数规模超过一定水平时,这些扩大的语言模型不仅实现了显着的性能提升,而且还表现出一些小规模语言模型所不具备的特殊能力。如 Google 发布的多模态具身视觉语言模型 PaLM-E,由540B 的 PaLM 文本模型和 22B 的 VIT 图像模型构成,两者集成处理多模态信息,所以它的总模型规模是 566B。随着模型规模的不断增长,任务效果也持续增长,说明这类任务对大模型中知识蕴涵的数量要求较高。_大语言模型
文章浏览阅读276次。PE结构PE结构时Windows中一个比较大的结构体,它的整个结构体图如下所示: 给MessageBoxW函数挂钩我们自己的函数就是我们挂钩之后,调用MessageBoxW函数后,会进入到我们自己的函数中执行我们自己的代码。挂钩还原之后,还可以正常的调用MessageBoxW函数,这就是这个测试程序的功能。// IATHookDemo.cpp : 定义控制台应用程序的入口点。//#includ_dword g_dwiathookflag=0; dword g_dwoldaddr; dword g_dwnewaddr; dword poldfun
文章浏览阅读157次。一、字符设备基础知识1、设备驱动分类linux系统将设备分为3类:字符设备、块设备、网络设备。使用驱动程序:字符设备:是指只能一个字节一个字节读写的设备,不能随机读取设备内存中的某一数据,读取数据需要按照先后数据。字符设备是面向流的设备,常见的字符设备有鼠标、键盘、串口、控制台和LED设备等。块设备:是指可以从设备的任意位置读取一定长度数据的设备。块设备包括硬盘、磁盘、U盘和SD卡等。每一个字符设备或块设备都在/dev目录下对应一个设备文件。linux用户程序通过设备文..._static int hello_open (struct inode *inode, struct file *filep)
文章浏览阅读1.6k次。oracle控制语句if else,loop等_oracle if else looo
该文章介绍了halcon线扫相机二维码矫正算法的运行结果总结,指出线扫相机拍摄图片容易受畸变影响,但经过矫正后能更好识别二维码。文章还提到对于边缘曲线的拟合和多向畸变的矫正有待进一步研究。
文章浏览阅读2.8k次。EnumWindows枚举屏幕上的所有顶层窗口,不包括子窗口BOOL EnumWindows(WNDENUMPROC lpEnumFunc,LPARAM lParam);第一个参数是WNDENUMPROC类型的回调函数,每个枚举窗口都会被调用一次,而且会把窗口的句柄作为参数传给该回调函数,如果该回调函数返回FALSE则停止枚举第二个参数可以传入我们自定义的数据,这里传入一个包含进程号和窗口句..._取主窗口句柄
文章浏览阅读332次。import com.sun.awt.AWTUtilities;import javax.swing.*;import javax.swing.border.Border;import java.awt.*;import java.awt.event.MouseAdapter;import java.awt.event.MouseEvent;public class Circle ..._jfpos机
文章浏览阅读3k次。欢迎访问陈同学博客原文本文介绍在Nginx配置信息出现问题后,在没有备份的情况下,如何利用Nginx进程的虚拟内存恢复配置信息。问题背景假设 /etc/nginx/site-available 下有 a.example.com.conf、b.example.com.conf 两个配置文件,用于对两个域名做代理。当不小心拷贝了以下数据,粘贴后习惯性的敲了回车键,由于命令中包含了重定向命令..._nginx 配置文件怎么复原