绘制计算机图形学图像进行傅里叶变换的代码

在计算机图形学中，傅里叶变换常用于处理图像的频域分析，如滤波、压缩和增强等。以下是一个简单的Python示例，使用numpy库来演示如何对二维图像进行离散傅立叶变换（DFT）：

import numpy as np
import matplotlib.pyplot as plt

def dft_2d(image):
    N = image.shape[0]  # 图像行数
    M = image.shape[1]  # 图像列数
    X = np.zeros((N, M), dtype=complex)  # 初始化复数数组
    u, v = np.meshgrid(np.arange(N), np.arange(M))  # 创建网格索引
    for i in range(N):
        for j in range(M):
            k_real = -i * 2 * np.pi / N
            k_imag = -j * 2 * np.pi / M
            X[i, j] = np.sum(image * np.exp(1j * (k_real * u + k_imag * v)))  # 离散傅立叶变换
    return X

# 加载一幅图像
image = plt.imread('your_image.jpg')  # 替换为你实际的图片路径
image = image.astype(float) / 255  # 归一化到0-1之间

# 进行傅立叶变换
fft_image = dft_2d(image)

# 可视化原图和傅立叶变换结果
fig, axs = plt.subplots(nrows=2)
axs[0].imshow(image)
axs[0].set_title("Original Image")
axs[1].imshow(np.abs(fft_image), cmap='gray')
axs[1].set_title("Magnitude of Fourier Transform")

plt.show()