opencv shift

在OpenCV中，`shift`函数用于将频谱图像进行中心化，以便进行傅里叶逆变换。该函数的定义如下：

void shift(cv::InputArray src, cv::OutputArray dst, const cv::Point& delta, int borderType = cv::BORDER_CONSTANT, const cv::Scalar& borderValue = cv::Scalar());

其中，`src`表示输入的频谱图像，`dst`表示输出的中心化后的频谱图像，`delta`表示中心化的偏移量，`borderType`表示边界处理方式，`borderValue`表示边界的颜色值。

具体来说，中心化的偏移量`delta`可以通过以下公式计算：

delta = Point(src.cols/2, src.rows/2)

其中，`src.cols`和`src.rows`分别表示频谱图像的列数和行数。这个公式的意义是将频谱图像的中心移动到图像的左上角。

下面是一个示例代码：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    Mat img = imread("input.jpg");
    Mat gray;
    cvtColor(img, gray, CV_BGR2GRAY);

    Mat f;
    dft(Mat_<float>(gray), f);
    shift(f, f, cv::Point(-f.cols/2, -f.rows/2));
    shift(f, f, cv::Point(f.cols/2, f.rows/2));

    Mat ift;
    idft(f, ift);

    Mat output;
    normalize(ift, output, 0, 255, NORM_MINMAX, CV_8U);
    imshow("input", img);
    imshow("output", output);
    waitKey(0);
    return 0;
}

在这个示例代码中，我们首先读取了一张名为"input.jpg"的图像，并将其转换为灰度图像。然后，使用`dft`函数进行傅里叶变换，并使用`shift`函数将变换结果进行中心化。接着，使用`shift`函数将中心化后的频谱图像移回到图像的中心位置。然后，使用`idft`函数进行傅里叶逆变换，得到原始图像，并使用`normalize`函数将图像像素值归一化到0~255之间。最后使用`imshow`函数将原始图像和傅里叶逆变换后的图像显示出来。