《OpenCV3程式設計入門》——5.5.8 離散傅立葉變換綜合示例程式(附程式碼)
阿新 • • 發佈:2018-12-14
綜合《OpenCV3程式設計入門》——5.5 離散傅立葉變換原理和 《OpenCV3程式設計入門》——5.5.2 離散傅立葉變換相關函式詳解兩篇文章對離傅立葉變換的詳細介紹,本篇將展示實現離散傅立葉變化的示例程式(本篇所涉及的所有知識均在上述兩篇博文裡有詳細解釋,請參考):
//---------------------------------【標頭檔案、名稱空間包含部分】----------------------------- // 描述:包含程式所使用的標頭檔案和名稱空間 //------------------------------------------------------------------------------------------------- #include "opencv2/core/core.hpp" #include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include <iostream> using namespace cv; //--------------------------------------【main( )函式】----------------------------------------- // 描述:控制檯應用程式的入口函式,我們的程式從這裡開始執行 //------------------------------------------------------------------------------------------------- int main() { //【1】以灰度模式讀取原始影象並顯示 Mat srcImage = imread("4.jpg", 0); if (!srcImage.data) { printf("讀取圖片錯誤,請確定目錄下是否有imread函式指定圖片存在~! \n"); return false; } imshow("原始影象", srcImage); //【2】將輸入影象延擴到最佳的尺寸,邊界用0補充 int m = getOptimalDFTSize(srcImage.rows); int n = getOptimalDFTSize(srcImage.cols); //將新增的畫素初始化為0. Mat padded; copyMakeBorder(srcImage, padded, 0, m - srcImage.rows, 0, n - srcImage.cols, BORDER_CONSTANT, Scalar::all(0)); //【3】為傅立葉變換的結果(實部和虛部)分配儲存空間。 //將planes陣列組合合併成一個多通道的陣列complexI Mat planes[] = { Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F) }; Mat complexI; merge(planes, 2, complexI); //【4】就地進行離散傅立葉變換,即變換後還是影象本身 dft(complexI, complexI); //【5】將複數轉換為幅值,即=> log(1 + sqrt(Re(DFT(I))^2 + Im(DFT(I))^2)) split(complexI, planes); // 將多通道陣列complexI分離成幾個單通道陣列, //planes[0] = Re(DFT(I), planes[1] = Im(DFT(I)) magnitude(planes[0], planes[1], planes[0]);// planes[0] = magnitude Mat magnitudeImage = planes[0]; //【6】進行對數尺度(logarithmic scale)縮放 magnitudeImage += Scalar::all(1); log(magnitudeImage, magnitudeImage);//求自然對數 //【7】剪下和重分佈幅度圖象限 //若有奇數行或奇數列,進行頻譜裁剪 magnitudeImage = magnitudeImage(Rect(0, 0, magnitudeImage.cols & -2, magnitudeImage.rows & -2)); //重新排列傅立葉影象中的象限,使得原點位於影象中心 int cx = magnitudeImage.cols / 2; int cy = magnitudeImage.rows / 2; Mat q0(magnitudeImage, Rect(0, 0, cx, cy)); // ROI區域的左上 Mat q1(magnitudeImage, Rect(cx, 0, cx, cy)); // ROI區域的右上 Mat q2(magnitudeImage, Rect(0, cy, cx, cy)); // ROI區域的左下 Mat q3(magnitudeImage, Rect(cx, cy, cx, cy)); // ROI區域的右下 //交換象限(左上與右下進行交換) Mat tmp; q0.copyTo(tmp); q3.copyTo(q0); tmp.copyTo(q3); //交換象限(右上與左下進行交換) q1.copyTo(tmp); q2.copyTo(q1); tmp.copyTo(q2); //【8】歸一化,用0到1之間的浮點值將矩陣變換為可視的影象格式 normalize(magnitudeImage, magnitudeImage, 0, 1, NORM_MINMAX); //【9】顯示效果圖 imshow("頻譜幅值", magnitudeImage); waitKey(); return 0; }
執行結果: