用python写一份傅里叶变换处理图像的代码
时间: 2023-09-17 13:05:34 浏览: 100
### 回答1:
以下是一个简单的Python代码,用于对图像进行傅里叶变换处理:
```python
import cv2
import numpy as np
from matplotlib import pyplot as plt
# 读取图像
img = cv2.imread('image.jpg', )
# 傅里叶变换
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
magnitude_spectrum = 20*np.log(np.abs(fshift))
# 显示原始图像和频谱图
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(magnitude_spectrum, cmap='gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.show()
```
该代码首先使用OpenCV库读取图像,然后使用NumPy库中的fft2函数对图像进行傅里叶变换。接着,使用fftshift函数将频率域中的低频部分移动到中心位置,并使用20*log函数计算幅度谱。最后,使用Matplotlib库显示原始图像和频谱图。
### 回答2:
傅里叶变换是一种将时域信号转换为频域信号的数学技术,可以应用于图像处理中。下面是用Python编写的一份简单的傅里叶变换处理图像的代码:
```python
import cv2
import numpy as np
from matplotlib import pyplot as plt
# 读取图像
image = cv2.imread('image.jpg', 0)
# 进行傅里叶变换
f = np.fft.fft2(image)
fshift = np.fft.fftshift(f)
# 构建振幅谱
magnitude_spectrum = 20 * np.log(np.abs(fshift))
# 显示原始图像和振幅谱
plt.subplot(121)
plt.imshow(image, cmap='gray')
plt.title('Input Image')
plt.xticks([])
plt.yticks([])
plt.subplot(122)
plt.imshow(magnitude_spectrum, cmap='gray')
plt.title('Magnitude Spectrum')
plt.xticks([])
plt.yticks([])
plt.show()
```
代码中,我们使用`cv2`库读取图像,`np.fft.fft2`函数进行傅里叶变换,然后用`np.fft.fftshift`函数移动频率分量,得到的结果通过`20 * np.log(np.abs(fshift))`构建振幅谱。最后使用`matplotlib.pyplot`库显示原始图像和振幅谱。在运行代码之前,需要准备一张名为`image.jpg`的图像,并确保该图像与代码文件在同一目录下。
以上就是一份使用Python实现傅里叶变换处理图像的简单代码,能够帮助你了解如何使用傅里叶变换来处理图像。当然,该代码只是一个基本的示例,实际使用中可能还需要根据需求进行更多的处理和优化。
### 回答3:
import cv2
import numpy as np
from matplotlib import pyplot as plt
# 读取图像
img = cv2.imread('image.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))
# 中心点的坐标
rows, cols = img.shape
crow, ccol = int(rows / 2), int(cols / 2)
# 创建一个掩膜,中心方形区域为1,其他区域为0
mask = np.zeros((rows, cols), np.uint8)
mask[crow - 30 : crow + 30, ccol - 30 : ccol + 30] = 1
# 将掩膜应用到频谱上
fshift_filtered = fshift * mask
# 逆变换
f_ishift = np.fft.ifftshift(fshift_filtered)
img_back = np.fft.ifft2(f_ishift)
img_back = np.abs(img_back)
# 显示结果
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(img_back, cmap='gray')
plt.title('Filtered Image'), plt.xticks([]), plt.yticks([])
plt.show()