读取原始图像并进行灰度化处理; 对原始图像进行二维傅里叶变换,得到频域图像; 对频域图像进行平移或旋转操作,得到变换后的频域图像; 对变换后的频域图像进行逆傅里叶变换,得到空域图像; 对逆傅里叶变换后的空域图像进行灰度归一化处理; 显示变换后的图像。
时间: 2023-06-25 13:05:53 浏览: 235
以下是Python代码实现上述步骤:
```python
import cv2
import numpy as np
from matplotlib import pyplot as plt
# 读取原始图像并进行灰度化处理
img = cv2.imread('lena.png', 0)
# 对原始图像进行二维傅里叶变换,得到频域图像
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
magnitude_spectrum = 20 * np.log(np.abs(fshift))
# 对频域图像进行平移或旋转操作,得到变换后的频域图像
rows, cols = img.shape
crow, ccol = int(rows / 2), int(cols / 2)
fshift[crow - 30:crow + 30, ccol - 30:ccol + 30] = 0
f_ishift = np.fft.ifftshift(fshift)
img_back = np.fft.ifft2(f_ishift)
img_back = np.abs(img_back)
# 对逆傅里叶变换后的空域图像进行灰度归一化处理
img_norm = cv2.normalize(img_back, None, 0, 255, cv2.NORM_MINMAX)
# 显示变换后的图像
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(img_norm, cmap='gray')
plt.title('Output Image'), plt.xticks([]), plt.yticks([])
plt.show()
```
注:以上代码仅提供实现思路,实际应用中可能需要根据实际情况进行调整。
阅读全文