傅里叶变换幅度滤波答案

【问题标题】：Fourier transform magnitude filtering傅里叶变换幅度滤波
【发布时间】：2017-05-04 15:02:21
【问题描述】：

我正在尝试过滤低强度的傅立叶变换。借助提供的示例，我可以得到正确的图像表示。但是，我不确定如何通过逆变换来恢复图像。 dft_shift 是一个 float32 (256,320,2)。为了获得幅度谱，我使用的示例 extract cv2.magnitude(dft_shift[:,:,0] 和 dft_shift[:,:,1] 来计算对数。我不太清楚为什么 np.log 需要两个输入。 magitude_spectrum 是 float32 (256,320)，所以我不能这样做（请参阅下面的代码了解上下文）：

f_ishift = np.fft.ifftshift(mag_spec)
img_back = np.fft.ifft2(f_ishift)
img_back = np.abs(img_back)

有什么建议吗？此刻我绝望了……

这是代码和结果：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('G:\\Python\\Original\\frame13.jpg',0)  

dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)
magnitude_spectrum = 20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))

rows, cols = img.shape
mag_spec=20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))
for i in range(0,rows-1):
    for j in range(0,cols-1):
        if mag_spec[i,j]<130:
            mag_spec[i,j]=0        

f_ishift = np.fft.ifftshift(mag_spec)
img_back = np.fft.ifft2(f_ishift)
img_back = np.abs(img_back)
plt.subplot(121),plt.imshow(magnitude_spectrum, cmap = 'gray')
plt.title('Magnitude spectrum'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(mag_spec, cmap = 'gray')
plt.title('With mask'), plt.xticks([]), plt.yticks([])
plt.show()

Plot result

【问题讨论】：

标签： python-3.x filtering fft opencv3.0

【解决方案1】：

我决定按照示例的方式进行。首先制作一个 0 和 1 的掩码，然后将其应用于 (x,x,2) 数组。

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('G:\\Python\\Original\\frame13.jpg',0)

#LPF montre deux images correspondant aux transformées de fourier modif (LPF) et pas modif
dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)
magnitude_spectrum = 20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))

rows, cols = img.shape
mask = np.zeros((rows,cols,2),np.uint8)
mag_spec=20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))
for i in range(0,rows-1):
    for j in range(0,cols-1):
        if mag_spec[i,j]>100:
            mask[i,j]=1        
fshift=dft_shift*mask    
f_ishift = np.fft.ifftshift(fshift)
img_back = cv2.idft(f_ishift)
img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1])
plt.subplot(121),plt.imshow(magnitude_spectrum, cmap = 'gray')
plt.title('Magnitude spectrum'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(img_back, cmap = 'gray')
plt.title('With mask'), plt.xticks([]), plt.yticks([])
plt.show()

【讨论】：