opencv 实现傅里叶变换

傅里叶变换是一种将信号从时域转换到频域的方法，OpenCV提供了傅里叶变换的函数，可以实现对图像的傅里叶变换。

以下是一个简单的示例代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 读取图像
img = cv2.imread('lena.jpg', 0)

# 傅里叶变换
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
magnitude_spectrum = 20 * np.log(np.abs(fshift))

# 反向傅里叶变换
f_ishift = np.fft.ifftshift(fshift)
img_back = np.fft.ifft2(f_ishift)
img_back = np.abs(img_back)

# 显示结果
plt.subplot(131), plt.imshow(img, cmap='gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(132), plt.imshow(magnitude_spectrum, cmap='gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.subplot(133), plt.imshow(img_back, cmap='gray')
plt.title('Image after HPF'), plt.xticks([]), plt.yticks([])
plt.show()

在这个示例中，我们首先读取一张图像，然后对其进行傅里叶变换，得到它的频域表示。接着，我们对频域表示进行一些处理，比如将低频分量移到图像中心，以便于后续的滤波操作。最后，我们对处理后的频域表示进行反向傅里叶变换，得到原图像的滤波结果。

在这个示例中我们展示了三个图像：原图像、傅里叶变换后的频域表示、反向傅里叶变换后的滤波结果。您可以通过调整处理过程中的参数，来探索不同的滤波效果。