La palabra en clave no es fácil, si es útil para usted, recuerde que debe señalar como oh!
Una imagen de la transformación de Fourier:
Por favor referirse al principio Introducción: https://www.cnblogs.com/wojianxin/p/12529809.html
transformación de Fourier de la imagen en dos dimensiones a cabo con la siguiente fórmula:
imagen bidimensional transformada de Fourier inversa por la siguiente ecuación:
En segundo lugar, la imagen de la fórmula numpy pitón Fourier transformación de biblioteca:
Cálculo unidimensional transformada de Fourier #
numpy.fft.fft (a, n = Ninguno, eje = -1, norma = None)
# Calcular el bidimensional transformada de Fourier
numpy.fft.fft2 (a, n = Ninguno, eje = -1, norma = None)
Cálculo # n-dimensional transformada de Fourier
numpy.fft.fftn ()
# N calcula la dimensión real de la transformada de Fourier
numpy.fft.rfftn ()
# Devuelve la frecuencia de muestreo de la transformada de Fourier
numpy.fft.fftfreq ()
# El componente de CC en el espectro de salida de la FFT se trasladó a un centro
numpy.fft.shift ()
Tres experimentos :. Python numpy implementación de la biblioteca de la transformada de Fourier y la transformada inversa de la imagen
. 1 # Writer: [email protected] 2 . 3 # FECHA: 03/30/2020 . 4 . 5 Importación CV2 AS CV . 6 . 7 Importación numpy AS NP . 8 . 9 de matplotlib importación pyplot AS PLT 10 . 11 # de lectura de imagen 12 es 13 es IMG = cv.imread ( ' ../head_g.jpg ' , 0) 14 15 # transformada de Fourier 16 . 17 F = np.fft.fft2 (IMG) 18 es . 19 Fshift = np.fft.fftshift (F) 20 es 21 es RES = np.log (np.abs (Fshift)) 22 es 23 es # transformada inversa de Fourier 24 25 Ishift = np.fft.ifftshift (Fshift) 26 es 27 IIMG = np.fft.ifft2 (Ishift) 28 29 IIMG = np.abs (IIMG) 30 31 es # mostrar los resultados 32 33 es plt.subplot (131 es), plt.imshow (IMG, ' gris ' ), plt.title ( ' de imagen original ' ) 34 es 35 plt.axis ( ' OFF ' ) 36 37 [ plt.subplot (132), plt.imshow (RES,' Gris ' ), plt.title ( ' Fourier Image ' ) 38 39 plt.axis ( ' off ' ) 40 41 plt.subplot (133), plt.imshow (IIMG, ' gris ' ), plt.title ( ' Inverse Fourier Image ' ) 42 43 plt.axis ( ' off ' ) 44 45 plt.show ()
Cuatro resultados:
Cinco imagen Pitón de la biblioteca de Fourier fórmula de transformación cv2:
# Transformada de Fourier
dft = cv2.dft (np.float32 (IMG), flags = cv2.DFT_COMPLEX_OUTPUT)
transformada de Fourier Inversa #
IIMG = cv2.idft (Ishift)
IIMG la magnitud de la transformada de Fourier de retorno #
res2 = cv2.magnitude (IIMG [:,:, 0], IIMG [:,:, 1])
Seis experimentos :. bibliotecas numpy cv de Python e implementos biblioteca transformar y transformar la imagen inversa de Fourier
. 1 # Writer: [email protected] 2 . 3 # FECHA: 03/30/2020 . 4 . 5 Importación numpy AS NP . 6 . 7 Importación CV2 . 8 . 9 de matplotlib importación pyplot AS PLT 10 . 11 # leer la imagen 12 es 13 es IMG = cv2.imread ( ' ../paojie_g.jpg ' , 0) 14 15 # transformada de Fourier 16 . 17 DFT = cv2.dft (np.float32 (IMG), las banderas = cv2.DFT_COMPLEX_OUTPUT) 18 es . 19 dftshift =np.fft.fftshift (DFT) 20 es 21 es RES1 * = 20 es np.log (cv2.magnitude (dftshift [:,:, 0], dftshift [:,:., 1 ])) 22 es 23 es # transformada de Fourier inversa 24 25 Ishift = np.fft.ifftshift (dftshift) 26 es 27 IIMG = cv2.idft (Ishift) 28 29 RES2 = cv2.magnitude (IIMG [:,:, 0], IIMG [:,:., 1 ]) 30 31 es # imagen de la pantalla 32 33 es plt.subplot (131 es), plt.imshow (IMG, ' gris ' ), plt.title ( ' imagen original ' ) 34 es 35 plt.axis ( 'off ' ) 36 37 plt.subplot (132), plt.imshow (res1, ' gris ' ), plt.title ( ' Fourier Image ' ) 38 39 plt.axis ( ' off ' ) 40 41 plt.subplot (133) , plt.imshow (res2, ' gris ' ), plt.title ( ' inversa de Fourier imagen ' ) 42 43 plt.axis ( ' off ' ) 44 45 plt.show ()
Resultados: Siete
Ocho de referencia:
https://www.jianshu.com/p/a00da3e03533
Nueve de autor:
Sin el permiso del autor Por favor, haga el plagio no reimpresión, los casos graves de plagio, los autores consideran proseguir su responsabilidad legal, la creación no es fácil, gracias por su comprensión y cooperación!