利用python对图像进行傅里叶变换_python实现图像傅里叶变换

创作不易，如果对您有所帮助，请帮忙点赞，感谢！

一. 傅里叶变换简介：

在数字图像处理中，有两个经典的变换被广泛使用——傅里叶变换和霍夫变换。傅里叶变换是将时间域上的信号转变为频率域上的信号，进而进行图像去噪、图像增强等处理。

傅里叶变换（Fourier Transform，FT）后，对同一事物的观看角度随之改变，可以从频域里发现一些从时域里不易察觉的特征。某些在时域内不好处理的地方，在频域内可以容易地处理。

傅里叶定理：“ 任何连续周期信号都可以表示成（或者无限逼近）一系列正弦信号的叠加。”

一维傅里叶公式如下：

w 表示频率, t 表示时间, 它将频率域的函数表示为时间域函数 f(t)的积分 ↑

我们知道，灰度图像是由二维的离散的点构成的。二维离散傅里叶变换（Two-Dimensional Discrete Fourier Transform）常用于图像处理中，对图像进行傅里叶变换后得到其频谱图。频谱图中频率高低表征图像中灰度变化的剧烈程度。图像中边缘和噪声往往是高频信号，而图像背景往往是低频信号。我们在频率域内可以很方便地对图像的高频或低频信息进行操作，完成图像去噪，图像增强，图像边缘提取等操作。

对二维图像进行傅里叶变换用如下式子进行：

图像长M，高N。F(u,v)表示频域图像，f(x,y)表示时域图像。u的范围为[0,M-1]，v的范围为[0,N-1] ↑

对二维图像进行傅里叶逆变换式子如下：

图像长M，高N。f(x,y)表示时域图像，F(u,v)表示频域图像。x的范围为[0,M-1]，y的范围为[0,N-1] ↑

二. python实现二维图像的傅里叶变换原理

import cv2

import numpy as np

# DFT

def dft(img):

H, W, channel = img.shape

# Prepare DFT coefficient

G = np.zeros((H, W, channel), dtype=plex)

# prepare processed index corresponding to original image positions

x = np.tile(np.arange(W), (H, 1))

y = np.arange(H).repeat(W).reshape(H, -1)

# dft

for c in range(channel):

for v in range(H):

for u in range(W):

G[v, u, c] = np.sum(img[..., c] * np.exp(-2j * np.pi * (x * u / W + y * v / H))) / np.sqrt(H * W)

return G

# IDFT

def idft(G):

# prepare out image

H, W, channel = G.shape

out = np.zeros((H, W, channel), dtype=np.float32)

# prepare processed index corresponding to original image positions

x = np.tile(np.arange(W), (H, 1))

y = np.arange(H).repeat(W).reshape(H, -1)

# idft

for c in range(channel):

for v in range(H):

for u in range(W):

out[v, u, c] = np.abs(np.sum(G[..., c] * np.exp(2j * np.pi * (x * u / W + y * v / H)))) / np.sqrt(W * H)

# clipping

out = np.clip(out, 0, 255)

out = out.astype(np.uint8)

return out

# Read image

img = cv2.imread("../head.png").astype(np.float32)

# DFT

G = dft(img)

# write poser spectal to image

ps = (np.abs(G) / np.abs(G).max() * 255).astype(np.uint8)

cv2.imwrite("out_ps.jpg", ps)

# IDFT

out = idft(G)

# Save result

cv2.imshow("result", out)

cv2.imwrite("out.jpg", out)

cv2.waitKey(0)

cv2.destroyAllWindows()

三. 实验结果：

原图 ↑

经过傅里叶变换、反变换后的图像 ↑

四. C语言实现图像傅里叶变换：

// 傅里叶变换

void fre_spectrum(short **in_array, short **out_array, long height, long width)

{

double re, im, temp;

int move;

for (int i = 0; i < height; i++){

for (int j = 0; j < width; j++){

re = 0;

im = 0;

for (int x = 0; x < height; x++){

for (int y = 0; y < width; y++){

temp = (double)i * x / (double)height +

(double)j * y / (double)width;

move = (x + y) % 2 == 0 ? 1 : -1;

re += in_array[x][y] * cos(-2 * pi * temp) * move;

im += in_array[x][y] * sin(-2 * pi * temp) * move;

}

}

out_array[i][j] = (short)(sqrt(re*re + im*im) / sqrt(width*height));

if (out_array[i][j] > 0xff)

out_array[i][j] = 0xff;

else if (out_array[i][j] < 0)

out_array[i][j] = 0;

}

}

}

// 傅里叶反变换

void idft(double** re_array, double** im_array, short** out_array, long height, long width)

{

double real, temp;

for (int i = 0; i < height; i++){

for (int j = 0; j < width; j++){

real = 0;

for (int x = 0; x < height; x++){

for (int y = 0; y < width; y++){

temp = (double)i * x / (double)height +

(double)j * y / (double)width;

real += re_array[x][y] * cos(2 * pi * temp) -

im_array[x][y] * sin(2 * pi * temp);

}

}

out_array[i][j] = (short)(real / sqrt(width*height));

if (out_array[i][j] > 0xff)

out_array[i][j] = 0xff;

else if (out_array[i][j] < 0)

out_array[i][j] = 0;

}

}

printf("idft done\n");

}

五. 参考内容：

六. 版权声明：

未经作者允许，请勿随意转载抄袭，抄袭情节严重者，作者将考虑追究其法律责任，创作不易，感谢您的理解和配合！