- 快速傅里叶变换（FFT）
原始二维傅里叶变换公式：
np工具箱中有fft2函数可以对图像做二维快速傅里叶变换（不断分解成更小的、更容易的小蝶形变换替换大变换），但是要让输出的频谱图更有视觉效果，需要把四个角的中心点移动到矩阵中心，并做对数变换
代码：
import numpy as np
import cv2
import matplotlib.pyplot as plt
def FFT(path):
img = plt.imread(path)
plt.subplot(121)
plt.imshow(img)
plt.title('img')
# 转化为灰度图
img = 0.2126 * img[:,:,0] + 0.7152 * img[:,:,1] + 0.0722 * img[:,:,2]
# 快速傅里叶变换
img_fft = np.fft.fft2(img)
# 原点移动
img_fft = np.fft.fftshift(img_fft)
# 对数变换
img_fft = np.log(1 + np.abs(img_fft))
plt.subplot(122)
plt.imshow(img_fft,'gray')
plt.title('img_fft')
plt.show()
FFT('man.jpg')
输出图像：（原图由网上下的人物图）
- 离散余弦变换
原始二维离散余弦变换：
cv2工具箱中有dct函数可以实现对图像的二维离散余弦变换，通过经过对数变换可以更好地观察
代码：
import numpy as np
import cv2
import matplotlib.pyplot as plt
def DCT(path):
img = cv2.imread(path, 0)
img = img.astype('float32')
plt.subplot(121)
plt.imshow(img, cmap='gray')
plt.title('img_gray')
# 离散余弦变换
img_dct = cv2.dct(img)
# 对数变换
img_dct = np.log(1+ np.abs(img_dct))
plt.subplot(122)
plt.imshow(img_dct, cmap='gray')
plt.title('img_dct')
plt.show()
DCT('man.jpg')
输出图像：
- 相位谱、幅度谱结合
3.1. 相位谱、幅度谱提取：
相位谱、幅度谱定义：
代码：
import numpy as np
import cv2
from matplotlib import pyplot as plt
def magnitude_phase_split(img):
# 分离幅度谱与相位谱
dft = np.fft.fft2(img)
dft_shift = np.fft.fftshift(dft)
# 幅度谱
magnitude_spectrum = np.abs(dft_shift)
# 相位谱
phase_spectrum = np.angle(dft_shift)
return magnitude_spectrum,phase_spectrum
3.2. 不同图像的相位、幅度谱交替结合
图1的幅度谱和图2的相位谱结合，重构图像以图2信息为主
图2的幅度谱和图1的相位谱结合，重构图像以图1信息为主
代码：
def magnitude_phase_combine(img_m,img_p):
# 不同图像幅度谱与相位谱结合
img_mandp = img_m*np.e**(1j*img_p)
# 图像重构
img_mandp = np.uint8(np.abs(np.fft.ifft2(img_mandp)))
img_mandp =img_mandp/np.max(img_mandp)*255
return img_mandp
读取图像 主图和纹理图
img1 = cv2.imread("man.jpg",0)
img2= cv2.imread("rock1.jpg",0)
分离幅度谱与相位谱
img1_m,img1_p = magnitude_phase_split(img1)
img2_m,img2_p = magnitude_phase_split(img2)
合并幅度谱与相位谱
主图的幅度谱+纹理图的相位谱 以纹理图为主
img_1mAnd2p = magnitude_phase_combine(img1_m,img2_p)
纹理图的幅度谱+主图的相位谱 以主图为主
img_2mAnd1p = magnitude_phase_combine(img2_m,img1_p)
plt.figure(figsize=(10,8))
plt.subplot(321)
plt.xlabel("man")
plt.imshow(img1,cmap="gray")
plt.subplot(322)
plt.imshow(img2,cmap="gray")
plt.xlabel("rock")
plt.subplot(323)
plt.imshow(img_1mAnd2p,cmap="gray")
plt.xlabel("man_and_rock_p")
plt.subplot(324)
plt.imshow(img_2mAnd1p,cmap="gray")
plt.xlabel("rock_m_and_man_p")
plt.show()
输出结果：
3.3. 不同图像相应谱结合实现艺术效果
由于相位谱内容占比决定最终图像中的信息占比，则通过加权相加并调节权重，可以实现在主图的基础上结合纹理图的纹理信息，从而得到艺术效果
代码：
def magnitude_phase_add(img1_m, img2_m, img1_p, img2_p):
# 不同图像幅度谱和相位谱对应加权相加
img_m = img1_m * 0.4 + img2_m * 0.6
img_p = img1_p * (np.sum(img2_p) / (np.sum(img1_p) + np.sum(img2_p))) + img2_p * (np.sum(img1_p) / (np.sum(img1_p) + np.sum(img2_p)))
# 图像重构
img = img_m * np.e ** (1j * img_p)
img = np.uint8(np.abs(np.fft.ifft2(img)))
img = img / np.max(img) * 255
return img
读取图像 主图和纹理图
img1 = cv2.imread("cqh.jpg",0)
img2= cv2.imread("rock1.jpg",0)
分离幅度谱与相位谱
img1_m,img1_p = magnitude_phase_split(img1)
img2_m,img2_p = magnitude_phase_split(img2)
合并幅度谱与相位谱
主图和纹理图相应谱加权像家 以主图为主，以纹理图为辅，形成艺术效果
img_add = magnitude_phase_add(img1_m, img2_m, img1_p, img2_p)
plt.figure(figsize=(10,8))
plt.subplot(221)
plt.xlabel("cqh")
plt.imshow(img1,cmap="gray")
plt.subplot(222)
plt.imshow(img2,cmap="gray")
plt.xlabel("rock")
plt.subplot(223)
plt.imshow(img_add,cmap="gray")
plt.xlabel("artistic imgage")
plt.show()
输出结果：
参考博文：
Original: https://blog.csdn.net/weixin_43909400/article/details/123534833
Author: 云龙弓手
Title: Python-opencv fft、dct变换 + 幅度、相位谱结合实现艺术效果
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/533575/
转载文章受原作者版权保护。转载请注明原作者出处！