前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >数字图像处理之傅里叶变换

数字图像处理之傅里叶变换

作者头像
努力努力再努力F
发布2018-09-11 11:05:48
1.1K0
发布2018-09-11 11:05:48
举报
文章被收录于专栏:fangyangcoder

数字图像处理之傅里叶变换

                                                        by方阳

版权声明:本文为博主原创文章,转载请指明转载地址

http://www.cnblogs.com/fydeblog/p/7068986.html 

1. 前言

今天将之前学的数字图像处理的东西放到博客园里,所以下面会有连续几篇的博客都是关于数字图像处理的!

这篇博客将介绍图像的快速傅里叶变换,逆变换以及图像的平移变换的实现,理论的知识还请看书和百度,这里不再复述。

2. 原理说明

(1) 图像的二维FFT变换可以观察图像的频谱,再进行逆变换即可复原图像;

(2) 图像的平移性:图像在空间域乘以-1^(x+y),再进行傅里叶变换,即可看出图像的频谱图在x和y周平移了半个周期,原因是-1^(x+y)傅里叶变换表现复指数函数,相当于频谱的平移;

3. 实现内容

(1) 选择一幅图像,显示傅里叶变换频谱。再对得到傅里叶图像做傅里叶逆变换,显示图像,观察是否与原图像相同。

(2) 图像做傅里叶变换的平移性证明,将频谱中心移至中央。

4. 程序实现及实验结果

(1) 图像的傅里叶变换与反变换

参考代码:

代码语言:javascript
复制
I=imread('lena.bmp');
I_2D=D3_To_D2(I);
I1=fft2(I_2D);
I2=uint8(real(ifft2(I1)));
I1=log(1+abs(fftshift(I1)));
figure;
subplot(1,3,1);
imshow(I);
title('原图');
subplot(1,3,2);
imshow(I1,[]);
title('fft2后的频谱');
subplot(1,3,3);
imshow(I2,[]);
title('ifft2后的复原图像');

D3_To_D2函数(将三维降二维)参考代码:

代码语言:javascript
复制
function image_out=D3_To_D2(image_in)
[m,n]=size(image_in);
 n=n/3;%由于我的灰度图像是185x194x3的,所以除了3,你们如果是PxQ的,就不要加了
 A=zeros(m,n);%构造矩阵
 for i=1:m
     for j=1:n
        A(i,j)= image_in(i,j);%填充图像到A
     end
 end
image_out=uint8(A);

运行结果:

(2)平移验证

参考代码:

代码语言:javascript
复制
f(1000,1000)=0;
f=mat2gray(f);
[Y,X]=meshgrid(1:1000,1:1000);
f(350:649,475:524)=1;
f2=f.*(-1).^(X+Y);
f1=fft2(f);
f1_1=abs(f1);
f2=fft2(f2);
f3=log(1+abs(f2));
figure;
subplot(2,2,1);
imshow(f);
title('原图');
subplot(2,2,2);
imshow(f1_1,[]);
title('fft2后的频谱');
subplot(2,2,3);
imshow(abs(f2),[]);
title('中心化');
subplot(2,2,4);
imshow(f3,[]);
title('对数化');

 运行结果:

(3)相角复原(新添的)

参考代码:

代码语言:javascript
复制
I=imread('boy.jpg');
I=D3_To_D2(I);
I=fft2(I);
I_angle=angle(I);
I4=exp(1i*I_angle);
I4=uint8(ifft2(I4)*256);
I5=ifft2(I);
figure;
subplot(2,2,1);
imshow(I_angle);
title('相角');
subplot(2,2,2);
imshow(I4,[]);
title('相角复原后的图像');
subplot(2,2,3);
imshow(I5,[]);
title('谱复原后的图像');

 运行结果:

五. 结果分析

1.由第一个图可以看出,图像经过傅里叶变换再经过傅里叶反变换是可以还原出原图像的。

2.由第二个图可以看出,图像的平移性对观察图像的傅里叶频谱很有帮助,图像的频谱经过平移,低频聚集在中心,易于观察,对频谱进行对数化可以更加直观看图像的频谱分布。

3.由第三个图可以看出,相角决定图像的细节。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017-06-23 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档