快捷導(dǎo)航

python 圖像的離散傅立葉變換實(shí)例

更新時(shí)間：2020年01月02日 09:28:16 作者：swuxyj

今天小編就為大家分享一篇python 圖像的離散傅立葉變換實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

圖像(MxN)的二維離散傅立葉變換可以將圖像由空間域變換到頻域中去，空間域中用x,y來表示空間坐標(biāo)，頻域由u,v來表示頻率，二維離散傅立葉變換的公式如下：

在python中，numpy庫(kù)的fft模塊有實(shí)現(xiàn)好了的二維離散傅立葉變換函數(shù)，函數(shù)是fft2，輸入一張灰度圖，輸出經(jīng)過二維離散傅立葉變換后的結(jié)果，但是具體實(shí)現(xiàn)并不是直接用上述公式，而是用快速傅立葉變換。結(jié)果需要通過使用abs求絕對(duì)值才可以進(jìn)行可視化，但是視覺效果并不理想，因?yàn)楦盗⑷~頻譜范圍很大，所以要用log對(duì)數(shù)變換來改善視覺效果。

在使用log函數(shù)的時(shí)候，要寫成log(1 + x) 而不是直接用log(x),這是為了避開對(duì)0做對(duì)數(shù)處理。

另外，圖像變換的原點(diǎn)需要移動(dòng)到頻域矩形的中心，所以要對(duì)fft2的結(jié)果使用fftshift函數(shù)。最后也可以使用log來改善可視化效果。

代碼如下：

import numpy as np
import matplotlib.pyplot as plt

img = plt.imread('photo.jpg')

#根據(jù)公式轉(zhuǎn)成灰度圖
img = 0.2126 * img[:,:,0] + 0.7152 * img[:,:,1] + 0.0722 * img[:,:,2]

#顯示原圖
plt.subplot(231),plt.imshow(img,'gray'),plt.title('original')

#進(jìn)行傅立葉變換，并顯示結(jié)果
fft2 = np.fft.fft2(img)
plt.subplot(232),plt.imshow(np.abs(fft2),'gray'),plt.title('fft2')

#將圖像變換的原點(diǎn)移動(dòng)到頻域矩形的中心，并顯示效果
shift2center = np.fft.fftshift(fft2)
plt.subplot(233),plt.imshow(np.abs(shift2center),'gray'),plt.title('shift2center')

#對(duì)傅立葉變換的結(jié)果進(jìn)行對(duì)數(shù)變換，并顯示效果
log_fft2 = np.log(1 + np.abs(fft2))
plt.subplot(235),plt.imshow(log_fft2,'gray'),plt.title('log_fft2')

#對(duì)中心化后的結(jié)果進(jìn)行對(duì)數(shù)變換，并顯示結(jié)果
log_shift2center = np.log(1 + np.abs(shift2center))
plt.subplot(236),plt.imshow(log_shift2center,'gray'),plt.title('log_shift2center')

運(yùn)行結(jié)果：

根據(jù)公式實(shí)現(xiàn)的二維離散傅立葉變換如下：

import numpy as np
import matplotlib.pyplot as plt
PI = 3.141591265
img = plt.imread('temp.jpg')

#根據(jù)公式轉(zhuǎn)成灰度圖
img = 0.2126 * img[:,:,0] + 0.7152 * img[:,:,1] + 0.0722 * img[:,:,2]

#顯示原圖
plt.subplot(131),plt.imshow(img,'gray'),plt.title('original')

#進(jìn)行傅立葉變換，并顯示結(jié)果
fft2 = np.fft.fft2(img)
log_fft2 = np.log(1 + np.abs(fft2))
plt.subplot(132),plt.imshow(log_fft2,'gray'),plt.title('log_fft2')

h , w = img.shape
#生成一個(gè)同樣大小的復(fù)數(shù)矩陣
F = np.zeros([h,w],'complex128')
for u in range(h):
 for v in range(w):
  res = 0
  for x in range(h):
   for y in range(w):
    res += img[x,y] * np.exp(-1.j * 2 * PI * (u * x / h + v * y / w))
  F[u,v] = res
log_F = np.log(1 + np.abs(F))
plt.subplot(133),plt.imshow(log_F,'gray'),plt.title('log_F')

直接根據(jù)公式實(shí)現(xiàn)復(fù)雜度很高，因?yàn)槭撬闹匮h(huán)，時(shí)間復(fù)雜度為，所以實(shí)際用的時(shí)候需要用快速傅立葉變換來實(shí)現(xiàn)