对图像傅里叶变换
#include <opencv2/core/core.hpp>#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
Mat src;
src= imread("E:\\text/pic1.jpg");
if(src.empty())
{
return-1;
}
Mat src_gray;
cvtColor(src,src_gray,CV_RGB2GRAY);//灰度图像做傅里叶变换
int m = getOptimalDFTSize(src_gray.rows);//2,3,5的倍数有更高效率的傅里叶转换
int n = getOptimalDFTSize(src_gray.cols);
Mat dst;
///把灰度图像放在左上角，在右边和下边扩展图像，扩展部分填充为0；
copyMakeBorder(src_gray,dst,0,m-src_gray.rows,0,n-src_gray.cols,BORDER_CONSTANT,Scalar::all(0));
cout<<dst.size()<<endl;
//新建一个两页的array，其中第一页用扩展后的图像初始化，第二页初始化为0
Mat planes[] = {Mat_<float>(dst), Mat::zeros(dst.size(), CV_32F)};
MatcompleteI;
merge(planes,2,completeI);//把两页合成一个2通道的mat
//对上边合成的mat进行傅里叶变换，支持原地操作，傅里叶变换结果为复数。通道1存的是实部，通道2存的是虚部。
dft(completeI,completeI);
split(completeI,planes);//把变换后的结果分割到各个数组的两页中，方便后续操作
magnitude(planes,planes,planes);//求傅里叶变换各频率的幅值，幅值放在第一页中。
Mat magI = planes;
//傅立叶变换的幅度值范围大到不适合在屏幕上显示。高值在屏幕上显示为白点，
//而低值为黑点，高低值的变化无法有效分辨。为了在屏幕上凸显出高低变化的连续性，我们可以用对数尺度来替换线性尺度:
magI+= 1;
log(magI,magI);//取对数
magI= magI(Rect(0,0,src_gray.cols,src_gray.rows));//前边对原始图像进行了扩展，这里把对原始图像傅里叶变换取出，剔除扩展部分。
//这一步的目的仍然是为了显示。 现在我们有了重分布后的幅度图，
//但是幅度值仍然超过可显示范围 。我们使用 normalize() 函数将幅度归一化到可显示范围。
normalize(magI,magI,0,1,CV_MINMAX);//傅里叶图像进行归一化。
//重新分配象限，使（0,0）移动到图像中心，
//在《数字图像处理》中，傅里叶变换之前要对源图像乘以（-1）^(x+y)进行中心化。
//这是是对傅里叶变换结果进行中心化
int cx = magI.cols/2;
int cy = magI.rows/2;
Mat tmp;
Mat q0(magI,Rect(0,0,cx,cy));
Mat q1(magI,Rect(cx,0,cx,cy));
Mat q2(magI,Rect(0,cy,cx,cy));
Mat q3(magI,Rect(cx,cy,cx,cy));
q0.copyTo(tmp);
q3.copyTo(q0);
tmp.copyTo(q3);
q1.copyTo(tmp);
q2.copyTo(q1);
tmp.copyTo(q2);
namedWindow("InputImage");
imshow("InputImage",src);
namedWindow("SpectrumImage");
imshow("SpectrumImage",magI);
imwrite("E:\\text/magI.jpg",magI);
waitKey(0);
return 0;
}
页:
[1]