python 图像傅里叶变换
时间: 2023-05-29 16:07:37 浏览: 151
傅里叶变换是一种将时域信号(例如声音、图像等)转换为频域信号的数学技术。在图像处理中,傅里叶变换常用于提取图像的频域特征,例如图像的频率、方向和强度等。
Python中可以使用NumPy和OpenCV库来进行图像傅里叶变换。
以下是一个简单的例子:
```python
import cv2
import numpy as np
from matplotlib import pyplot as plt
# 读取图像
img = cv2.imread('lena.jpg',0)
# 进行二维傅里叶变换
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
# 计算幅值谱
magnitude_spectrum = 20*np.log(np.abs(fshift))
# 显示原始图像和幅值谱
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()
```
这段代码实现了对一张灰度图像进行傅里叶变换,并显示了原始图像和其幅值谱。
首先,我们使用OpenCV库的`imread()`函数读取图像。然后,我们调用NumPy库的`fft2()`函数来进行二维傅里叶变换。接着,我们使用`fftshift()`函数将频率分量移到图像中心。最后,我们计算幅值谱并使用Matplotlib库的`imshow()`函数显示出原始图像和幅值谱。
在运行代码后,我们可以得到以下结果:
![image](https://user-images.githubusercontent.com/502447/132849101-9b9f8476-1d65-4c7d-bba8-8b1e1b2fa3b3.png)
左边的图像是原始图像,右边的图像是幅值谱。我们可以看到,幅值谱中的亮点表示图像中的高频部分,亮点越亮则表示该部分的频率越高。