【OpenCV笔记 09】OpenCV中离散傅里叶变换、归一化的运用
2016-07-18 15:13
585 查看
本文主要介绍怎样使用opencv来对图片进行傅里叶变换,其核心函数是opencv自带的dft()。离散傅里叶变换DFT(Discrete
Fourier Transform)这个技术手段是将空间域映射到频率域中去,在图像处理有着举足轻重的地位。同时在举出的示例中将用到下列函数:
int getOptimalDFTSize(int vecsize)
该函数是为了获得进行DFT计算的最佳尺寸。因为在进行DFT时,如果需要被计算的数字序列长度vecsize为2的n次幂的话,那么其运行速度是非常快的。如果不是2的n次幂,但能够分解成2,3,5的乘积,则运算速度也非常快。这里的getOptimalDFTSize()函数就是为了获得满足分解成2,3,5的最小整数尺寸。很显然,如果是多维矩阵需要进行DFT,则每一维单独用这个函数获得最佳DFT尺寸。
void copyMakeBorder(InuptArray src, OutputArray dst, int top , int bottom, int left, int right, int borderType, const Scalar& value=Scalar())
该函数是用来扩展一个图像的边界的,第3~6个参数分别为原始图像的上下左右各扩展的像素点的个数,第7个参数表示边界的类型,如果其为BORDER_CONSTANT,则扩充的边界像素值则用第8个参数来初始化。将src图像扩充边界后的结果保存在dst图像中。
merge()函数是把多个但通道数组连接成1个多通道数组,而split()函数则相反,把1个多通道函数分解成多个但通道函数。
Void magnitude(InputArray x, InputArray y, OutPutArray magnitude)
该函数是计算输入矩阵x和y对应该的每个像素平方求和后开根号保存在输出矩阵magnitude中。
函数log(InputArray src, OutputArray dst)是对输入矩阵src中每个像素点求log,保存在输出矩阵dst的相对应的位置上。
void
dft(InputArray src,
OutputArray dst, int flags=0,
int nonzeroRows=0)
dft()的主要作用是对一维或二维浮点数组进行傅里叶变换或反变换。
*****************代码示例*************
地方
运行结果:
实验原图(873X617):
*********************************************************************************************************************
命令窗:
处理后的灰度图(873X617):
优化后的灰度图尺寸变为900X625,明显对了一圈黑边:
最后生成的频谱幅值图:
Fourier Transform)这个技术手段是将空间域映射到频率域中去,在图像处理有着举足轻重的地位。同时在举出的示例中将用到下列函数:
int getOptimalDFTSize(int vecsize)
该函数是为了获得进行DFT计算的最佳尺寸。因为在进行DFT时,如果需要被计算的数字序列长度vecsize为2的n次幂的话,那么其运行速度是非常快的。如果不是2的n次幂,但能够分解成2,3,5的乘积,则运算速度也非常快。这里的getOptimalDFTSize()函数就是为了获得满足分解成2,3,5的最小整数尺寸。很显然,如果是多维矩阵需要进行DFT,则每一维单独用这个函数获得最佳DFT尺寸。
void copyMakeBorder(InuptArray src, OutputArray dst, int top , int bottom, int left, int right, int borderType, const Scalar& value=Scalar())
该函数是用来扩展一个图像的边界的,第3~6个参数分别为原始图像的上下左右各扩展的像素点的个数,第7个参数表示边界的类型,如果其为BORDER_CONSTANT,则扩充的边界像素值则用第8个参数来初始化。将src图像扩充边界后的结果保存在dst图像中。
merge()函数是把多个但通道数组连接成1个多通道数组,而split()函数则相反,把1个多通道函数分解成多个但通道函数。
Void magnitude(InputArray x, InputArray y, OutPutArray magnitude)
该函数是计算输入矩阵x和y对应该的每个像素平方求和后开根号保存在输出矩阵magnitude中。
函数log(InputArray src, OutputArray dst)是对输入矩阵src中每个像素点求log,保存在输出矩阵dst的相对应的位置上。
void
dft(InputArray src,
OutputArray dst, int flags=0,
int nonzeroRows=0)
dft()的主要作用是对一维或二维浮点数组进行傅里叶变换或反变换。
*****************代码示例*************
地方
//DFT离散傅里叶变换 //多通道图形混合, RGB颜色通道分离 #include<opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> #include<iostream> using namespace std; using namespace cv; int main() { //1.载入灰度图并显示 Mat srcImage = imread("bookmark.jpg", 0); if (!srcImage.data) { printf("读取图片错误,请确定目录下是否有imread函数指定图片存在!\n"); return false; } imshow("原图灰度图 ", srcImage); //2.将图像延展到最佳尺寸,边界用0补充 int m = getOptimalDFTSize(srcImage.rows);//得到最佳列数 int n = getOptimalDFTSize(srcImage.cols);//得到最佳行数 cout << "原灰度图尺寸:" << srcImage.cols << " X " << srcImage.rows << endl; cout << "优化后图片尺寸:" << n << " X " << m << endl; int delta1 = (m - srcImage.rows)/2 ; int delta2 =( n - srcImage.cols )/2; Mat padded;//用于存储优化填补后的图像 copyMakeBorder(srcImage, padded, delta1, delta1,delta2,delta2, BORDER_CONSTANT, Scalar::all(0));//开始环图填补 imshow("最佳尺寸图", padded);//显示优化填补图片 //3.为傅里叶变换后的实部和虚部分配存储空间 //将planes数组组合合并成一个多通道的数组complextI Mat planes[] = { Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F) };//将输入图像转换成浮点类型 Mat complexI;//存储复数部分 merge( planes, 2, complexI); //4.进行就地离散傅里叶变换 dft(complexI, complexI); //5.将复数转换为幅值 split(complexI, planes); magnitude(planes[0], planes[1], planes[0]); Mat magnitudeImage = planes[0]; //6.进行地鼠尺度缩放 magnitudeImage = magnitudeImage+ Scalar::all(1); log(magnitudeImage, magnitudeImage); //7.剪切和重分布幅度图像限,若有奇数列,行,进行频谱剪裁 magnitudeImage = magnitudeImage(Rect(0, 0, magnitudeImage.cols & -2, magnitudeImage.rows & -2)); int cx = magnitudeImage.cols / 2; int cy = magnitudeImage.rows / 2; //重新排列象限,使得远点位于中心 Mat q0(magnitudeImage, Rect(0, 0, cx, cy)); Mat q1(magnitudeImage, Rect(cx, 0, cx, cy)); Mat q2(magnitudeImage, Rect(0, cy, cx, cy)); Mat q3(magnitudeImage, Rect(cx, cy, cx, cy)); Mat temp; //左上和右下调换 q0.copyTo(temp); q3.copyTo(q0); temp.copyTo(q3); //左下和右上调换 q1.copyTo(temp); q2.copyTo(q1); temp.copyTo(q2); //归一化 normalize(magnitudeImage, magnitudeImage, 0, 1, CV_MINMAX); normalize(magnitudeImage, magnitudeImage, 0, 1, NORM_MINMAX); imshow("频谱幅值", magnitudeImage); //while (char(waitKey(1))!='q') { }//按下q键退出 waitKey(0); return 0; }
运行结果:
实验原图(873X617):
*********************************************************************************************************************
命令窗:
处理后的灰度图(873X617):
优化后的灰度图尺寸变为900X625,明显对了一圈黑边:
最后生成的频谱幅值图:
相关文章推荐
- 使用C++实现JNI接口需要注意的事项
- 关于指针的一些事情
- c++ primer 第五版 笔记前言
- share_ptr的几个注意点
- Lua中调用C++函数示例
- Lua教程(一):在C++中嵌入Lua脚本
- Lua教程(二):C++和Lua相互传递数据示例
- C++联合体转换成C#结构的实现方法
- C++高级程序员成长之路
- C++编写简单的打靶游戏
- C++ 自定义控件的移植问题
- C++变位词问题分析
- C/C++数据对齐详细解析
- C++基于栈实现铁轨问题
- C++中引用的使用总结
- 使用Lua来扩展C++程序的方法
- C++中调用Lua函数实例
- Lua和C++的通信流程代码实例
- C++的template模板中class与typename关键字的区别分析
- C与C++之间相互调用实例方法讲解