傅里叶变换的图像应用--学好了用处大~

一个有趣的灵魂W

傅里叶变换，一个听起来高大上的名词。初学之时也是云里雾里，一旦学成，应用及其广泛，图像、信号、声波、深度学习等各领域都存在它的身影，包括在地学中，它也能有很大的用处~至于哪些方面？不展开啦

。其中傅里叶变换的公式是：

看不懂是吧，没关系，用一个动图来表示：

简单的说，就是通过傅里叶变换可以叠加波形，至于怎么叠加，可以搜搜百度谷歌微软，有很多相关的教程可以让你们深（nao）入（po）浅（tou）出（pi）的学会它！！！

算了，为了增加文字量~援引一段百度吧：傅立叶变换是一种线性的积分变换，常在将信号在时域（或空域）和频域之间变换时使用，在物理学和工程学中有许多应用。因其基本思想首先由法国学者约瑟夫·傅里叶系统地提出，所以以其名字来命名以示纪念。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。最初傅立叶分析是作为热过程的解析分析的工具被提出的（emmmm越描越黑）。

跳过理论吧，总之它很有用就是啦，包括更难理解的小波分析（挠头）

我随意用电脑桌面截个图，用Numpy库中的fft函数计算~

import numpy as np
import cv2
import matplotlib.pyplot as plt
def tweens(lists,h,w,block):
tmp = np.zeros((h,w), np.uint8)
for i in range(lists.shape[1]):
for j in range(block):
tmp[:,block*i+j]=lists[:,i]
return tmp
img = cv2.imread('C:/pytemp/mosicjpg/AOD.jpg')
height,width = img.shape[:2]
w=np.arange(0,width,1)
Fb=np.fft.fft(img[:,:,0])
Fg=np.fft.fft(img[:,:,1])
Fr=np.fft.fft(img[:,:,2])##傅里叶
block=2#int(input())###input是交互
n=int(width/block)
invFb=Fb[:,:n]
invFg=Fg[:,:n]
invFr=Fr[:,:n]
invfb=np.fft.ifft(invFb[:,:])
invfg=np.fft.ifft(invFg[:,:])
invfr=np.fft.ifft(invFr[:,:])
newimg = np.zeros((height,width,3),np.uint8)
rinvfb = np.zeros((height,width),np.uint8)
rinvfg = np.zeros((height,width),np.uint8)
rinvfr = np.zeros((height,width),np.uint8)
rinvfb = tweens(invfb,height,width,block)
rinvfg = tweens(invfg,height,width,block)
rinvfr = tweens(invfr,height,width,block)
newimg[:,:rinvfb.shape[1],0]=np.abs(rinvfb[:,:])
newimg[:,:rinvfb.shape[1],1]=np.abs(rinvfg[:,:])
newimg[:,:rinvfb.shape[1],2]=np.abs(rinvfr[:,:])
cv2.imshow('mosic-image',newimg)
cv2.waitKey(0)
cv2.destroyAllWindows()

这是结果~

不要觉得它奇怪~因为它大概率只是个中间产物！！！！

好啦，加油吧

微信号：一个有趣的灵魂W

关注我们，了解更多