opencv之离散傅里叶变换（DFT）

 

opencv之离散傅里叶变换

函数解读：

C++: int getOptimalDFTSize(int vecsize)

源码解读；

[cpp] view
plain copy

 print?





<span style="font-size:18px;">int cv::getOptimalDFTSize( int size0 )  

{  

   int a = 0, b = sizeof(optimalDFTSizeTab)/sizeof(optimalDFTSizeTab[0]) -1;  

   if( (unsigned)size0 >= (unsigned)optimalDFTSizeTab )  

       return -1;  

   

   while( a < b )//二分查找合适的size  

    {  

       int c = (a + b) >> 1;  

       if( size0 <= optimalDFTSizeTab[c] )  

           b = c;  

       else  

           a = c+1;  

    }  

   

    returnoptimalDFTSizeTab[b];  

}</span>  

optimalDFTSizeTab定义在namespace cv中，里边的数值为2^x*3^y*5^z

static const int optimalDFTSizeTab[] = {1,2, 3, 4, 5, 6, 8, 9, 10, 12, 15, 16,…, 2123366400, 2125764000};

 copyMakeBorder

[b]C++: void copyMakeBorder(InputArraysrc, OutputArray dst, int top, int bottom, int left,int right, int borderType,
const Scalar& value=Scalar())

src: 源图像

dst: 目标图像，和源图像有相同的类型，dst.cols=src.cols+left+right; dst.rows=src.rows+dst.top+dst.bottom

top:

bottom:

left:

right: 以上四个参数指定了在src图像周围附加的像素个数。

borderType: 边框类型

value: 当borderType==BORDER_CONSTANT时需要指定该值。

示例代码：

[cpp] view
plain copy

 print?





<span style="font-size:18px;">#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 = imread("fruits.jpg");  

       if(!src.data)  

       {  

              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)};  

       Mat  completeI;  

       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[0],planes[1],planes[0]);//求傅里叶变换各频率的幅值，幅值放在第一页中。  

   

       Mat magI = planes[0];  

       //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[0,1] 。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);  

   

       waitKey();  

       return0;  

}</span>  

实验结果：

代码已上传至gihub:opencv之离散傅里叶变换

转载：http://blog.csdn.net/ubunfans/article/details/24787569