python获取彩色图像的频域分布特征

Python可以使用NumPy库中的fft2函数来计算彩色图像的二维离散傅里叶变换（2D DFT）。可以将每个颜色通道独立地进行DFT，并分别计算幅度谱和相位谱。

以下是一个示例代码，演示如何获取彩色图像的频域分布特征：

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

# 读取彩色图像
img = cv2.imread('color_image.jpg')

# 将BGR格式转换为RGB格式
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 获取每个颜色通道的图像数据
r, g, b = cv2.split(img)

# 对每个通道进行DFT
dft_r = np.fft.fft2(r)
dft_g = np.fft.fft2(g)
dft_b = np.fft.fft2(b)

# 计算每个通道的幅度谱和相位谱
magnitude_r = np.log(np.abs(dft_r))
magnitude_g = np.log(np.abs(dft_g))
magnitude_b = np.log(np.abs(dft_b))
phase_r = np.angle(dft_r)
phase_g = np.angle(dft_g)
phase_b = np.angle(dft_b)

# 可视化结果
fig, axs = plt.subplots(2, 3, figsize=(12, 8))
axs[0, 0].imshow(img)
axs[0, 0].set_title('Original Image')
axs[0, 1].imshow(magnitude_r, cmap='gray')
axs[0, 1].set_title('Magnitude Spectrum (Red Channel)')
axs[0, 2].imshow(phase_r, cmap='gray')
axs[0, 2].set_title('Phase Spectrum (Red Channel)')
axs[1, 1].imshow(magnitude_g, cmap='gray')
axs[1, 1].set_title('Magnitude Spectrum (Green Channel)')
axs[1, 2].imshow(phase_g, cmap='gray')
axs[1, 2].set_title('Phase Spectrum (Green Channel)')
axs[1, 0].imshow(magnitude_b, cmap='gray')
axs[1, 0].set_title('Magnitude Spectrum (Blue Channel)')
axs[1, 0].set_xlabel('Frequency (log scale)')
axs[1, 2].set_xlabel('Frequency (log scale)')
plt.show()

这段代码将彩色图像的每个颜色通道分别进行DFT，并计算了每个通道的幅度谱和相位谱。结果可视化在一个2x3的图像矩阵中，其中第一行是原始图像，第二行是各个通道的频域分布特征。