用 OpenCV 计算图像的离散余弦变换答案

【问题标题】：Calculate Discrete Cosine Transformation of Image with OpenCV用 OpenCV 计算图像的离散余弦变换
【发布时间】：2011-10-28 15:27:16
【问题描述】：

我正在尝试使用 OpenCV 2.3 Python 包装器来计算图像的 DCT。据说，图像 == numpy 数组 == CV 矩阵，所以我认为这应该可行：

import cv2
img1 = cv2.imread('myimage.jpg', cv2.CV_LOAD_IMAGE_GRAYSCALE)
img2 = cv2.dct(img1)

但是，这会引发错误：

cv2.error: /usr/local/lib/OpenCV-2.3.1/modules/core/src/dxt.cpp:2247: error: (-215) type == CV_32FC1 || type == CV_64FC1 in function dct

我意识到错误意味着输入应该是 32 位或 64 位单通道浮点矩阵。但是，我认为这就是我的图像在指定灰度时应该加载的方式，或者至少它应该足够接近，以便 CV2 应该能够计算出转换。

使用 cv2 将图像转换为 DCT 的适当方法是什么？

【问题讨论】：

标签： python opencv computer-vision

【解决方案1】：

似乎没有任何简单的方法可以用 cv2 做到这一点。我能找到的最接近的解决方案是：

import cv, cv2
import numpy as np

img1 = cv2.imread('myimage.jpg', cv2.CV_LOAD_IMAGE_GRAYSCALE)
h, w = img1.shape[:2]
vis0 = np.zeros((h,w), np.float32)
vis0[:h, :w] = img1
vis1 = cv2.dct(vis0)
img2 = cv.CreateMat(vis1.shape[0], vis1.shape[1], cv.CV_32FC3)
cv.CvtColor(cv.fromarray(vis1), img2, cv.CV_GRAY2BGR)

cv.SaveImage('output.jpg', img2)

【讨论】：

【解决方案2】：

这是我从 openCV 论坛获得的解决方案，它有效。

img = cv2.imread(fn, 0)      # 1 chan, grayscale!
imf = np.float32(img)/255.0  # float conversion/scale
dst = cv2.dct(imf)           # the dct
img = np.uint8(dst)*255.0    # convert back

【讨论】：

我不明白你为什么要缩放到 [0, 1]。 users.cs.cf.ac.uk/Dave.Marshall/Multimedia/… 明确表示输入值可以在任何范围内，当我在 0 到 255 上尝试时，它工作正常而不是 0、1。

【解决方案3】：

嗯，当您将图像加载为灰度时，它实际上是以每像素 8 位读取的，而不是 32 位浮点值。

你会怎么做：

img1_32f = cv.CreateImage( cv.GetSize(img1), cv.IPL_DEPTH_64F, 1)
cv.Scale(img1, img1_32f, 1.0, 0.0)

另外，请查看dft.py 示例。这也应该让您了解如何使用dft。

【讨论】：

谢谢。但是，我知道如何使用 cv 来做到这一点。我的问题是如何使用 cv2 来做到这一点。还是 OpenCV 团队计划无限期地维护 cv 和 cv2 模块？
另外，您的示例不适用于 cv2.imread() 的输出。

【解决方案4】：

Numpy 具有切片运算符，用于在不同顺序的数组之间工作。

import cv2
import cv2.cv as cv
import numpy as np   

img1 = cv2.imread('myimage.jpg')
# or use cv2.CV_LOAD_IMAGE_GRAYSCALE 
img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
cv2.imshow('input', img1)
w,h = img1.shape
# make a 32bit float for doing the dct within
img2 = np.zeros((w,h), dtype=np.float32)
print img1.shape, img2.shape
img2 = img2+img1[:w, :h]
dct1 = cv2.dct(img2)
key = -1
while(key < 0):
    cv2.imshow("DCT", dct1)
    key = cv2.waitKey(1)
cv2.destroyAllWindows()

【讨论】：

【解决方案5】：

我不想写这个答案，但是当我看到一些答案是错误的时候被投票赞成，我决定写。

dct 操作适用于任何范围的输入，所以我真的不明白为什么其他人将其缩放到 [0, 1]。但是在opencv中，你需要传递numpy.float32数字。

x = np.array([8, 16, 24 , 32, 40, 48, 56, 64])
cv2.dct(np.float32(x))

# output
array([[ 101.82337189],
       [ -51.53858566],
       [   0.        ],
       [  -5.38763857],
       [   0.        ],
       [  -1.60722351],
       [   0.        ],
       [  -0.40561762]], dtype=float32)

但是如果你缩放它，几乎所有的小值都会丢失。

以下是公式和示例的链接： https://users.cs.cf.ac.uk/Dave.Marshall/Multimedia/node231.html#DCTbasis

【讨论】：

【解决方案6】：

以下是如何使用 scipy 进行操作：

import os.path
import numpy as np
from PIL import Image
from scipy.fftpack import fft, dct

if __name__ == '__main__':
    image_counter = 1

    # Apply DCT to the noisy image patches.
    noise_image_path = 'noise_images/' + str(image_counter) + '.png'
    noise_image = Image.open(noise_image_path)         
    noise_dct_data = dct(noise_image)
    print(noise_dct_data)

【讨论】：