图像傅里叶变换原理 python实现
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
1 import cv2 2 import numpy as np 3 4 # DFT 5 def dft(img): 6 H, W, channel = img.shape 7 8 # Prepare DFT coefficient 9 G = np.zeros((H, W, channel), dtype=np.complex) 10 # prepare processed index corresponding to original image positions 11 x = np.tile(np.arange(W), (H, 1)) 12 y = np.arange(H).repeat(W).reshape(H, -1) 13 14 # dft 15 for c in range(channel): 16 for v in range(H): 17 for u in range(W): 18 G[v, u, c] = np.sum(img[..., c] * np.exp(-2j * np.pi * (x * u / W + y * v / H))) / np.sqrt(H * W) 19 20 return G 21 22 # IDFT 23 def idft(G): 24 # prepare out image 25 H, W, channel = G.shape 26 out = np.zeros((H, W, channel), dtype=np.float32) 27 28 # prepare processed index corresponding to original image positions 29 x = np.tile(np.arange(W), (H, 1)) 30 y = np.arange(H).repeat(W).reshape(H, -1) 31 32 # idft 33 for c in range(channel): 34 for v in range(H): 35 for u in range(W): 36 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) 37 38 # clipping 39 out = np.clip(out, 0, 255) 40 out = out.astype(np.uint8) 41 42 return out 43 44 45 # Read image 46 img = cv2.imread("../head.png").astype(np.float32) 47 48 # DFT 49 G = dft(img) 50 51 # write poser spectal to image 52 ps = (np.abs(G) / np.abs(G).max() * 255).astype(np.uint8) 53 cv2.imwrite("out_ps.jpg", ps) 54 55 # IDFT 56 out = idft(G) 57 58 # Save result 59 cv2.imshow("result", out) 60 cv2.imwrite("out.jpg", out) 61 cv2.waitKey(0) 62 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：
1 // 傅里叶变换 2 3 void fre_spectrum(short **in_array, short **out_array, long height, long width) 4 5 { 6 7 double re, im, temp; 8 9 int move; 10 11 for (int i = 0; i < height; i++){ 12 13 for (int j = 0; j < width; j++){ 14 15 re = 0; 16 17 im = 0; 18 19 for (int x = 0; x < height; x++){ 20 21 for (int y = 0; y < width; y++){ 22 23 temp = (double)i * x / (double)height + 24 25 (double)j * y / (double)width; 26 27 move = (x + y) % 2 == 0 ? 1 : -1; 28 29 re += in_array[x][y] * cos(-2 * pi * temp) * move; 30 31 im += in_array[x][y] * sin(-2 * pi * temp) * move; 32 33 } 34 35 } 36 37 38 39 out_array[i][j] = (short)(sqrt(re*re + im*im) / sqrt(width*height)); 40 41 if (out_array[i][j] > 0xff) 42 43 out_array[i][j] = 0xff; 44 45 else if (out_array[i][j] < 0) 46 47 out_array[i][j] = 0; 48 49 } 50 51 } 52 53 } 54 55 // 傅里叶反变换 56 57 void idft(double** re_array, double** im_array, short** out_array, long height, long width) 58 59 { 60 61 double real, temp; 62 63 for (int i = 0; i < height; i++){ 64 65 for (int j = 0; j < width; j++){ 66 67 real = 0; 68 69 for (int x = 0; x < height; x++){ 70 71 for (int y = 0; y < width; y++){ 72 73 temp = (double)i * x / (double)height + 74 75 (double)j * y / (double)width; 76 77 real += re_array[x][y] * cos(2 * pi * temp) - 78 79 im_array[x][y] * sin(2 * pi * temp); 80 81 } 82 83 } 84 85 86 87 out_array[i][j] = (short)(real / sqrt(width*height)); 88 89 if (out_array[i][j] > 0xff) 90 91 out_array[i][j] = 0xff; 92 93 else if (out_array[i][j] < 0) 94 95 out_array[i][j] = 0; 96 97 } 98 99 } 100 101 printf("idft done\n"); 102 103 }
五. 参考内容：
https://www.jianshu.com/p/835a7a68d0ee
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！
