python获取图像的频域特征

要获取图像的频域特征，可以使用Python中的傅里叶变换（FFT）。FFT可以将图像从空间域转换到频域，从而提取图像的频域特征。

以下是一个简单的Python代码示例，用于获取图像的频域特征：

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

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

# 计算傅里叶变换
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()

在这个例子中，我们首先读取图像，并使用fft2函数计算傅里叶变换。然后，我们使用fftshift函数将频域图像的低频部分移动到中心。最后，我们将频域图像的幅度取对数并显示频谱图。在频谱图中，亮度表示频率的强度，越亮的区域表示越高的频率成分。