opencv python 푸 리 엽 변환 사용
푸 립 엽 변환 은 각종 필터 의 주파수 특성 을 분석 하 는 데 사 용 됩 니 다.이미지 에 대해 2D 이산 푸 리 엽 변환(DFT)은 주파수 영역 을 찾 는 데 사 용 됩 니 다.빠 른 푸 리 엽 변환(FFT)의 빠 른 알고리즘 은 DFT 를 계산 하 는 데 사 용 됩 니 다.
하나의 사인,x(t)=Asin(2 pi ft)에서 우 리 는 f 는 신호 의 주파수 라 고 할 수 있다.만약 에 그의 주파수 영역 이 받 아들 여지 면 우 리 는 f 의 피크 수 치 를 볼 수 있다.만약 에 신호 가 샘플링 되 어 이산 신 호 를 형성 하면 우 리 는 같은 주파수 영역 을 얻 을 수 있 지만[-pi,pi]or[0,2 pi]범위 내 에서 주기 적 인(or[0,N]for N-point DFT)이다.
그림 을 두 방향 에서 샘플링 하 는 신호 로 볼 수 있 습 니 다.따라서 X 와 Y 방향 에서 푸 리 엽 변환 을 하면 그림 의 주파수 표 시 를 얻 을 수 있 습 니 다.
더욱 직관 적 인 것 은 사인 신호 에 대해 진폭 이 짧 은 시간 안에 매우 빨리 변화 한다 면 고주파 신호 라 고 할 수 있다.만약 에 변화 가 느 리 면 저주파 신호 이 고 똑 같은 생각 을 그림 으로 확대 할 수 있다.변 과 소음 은 이미지 의 고주파 내용 이 고 진폭 이 큰 변화 가 없다 면 그것 은 저주파 분량 이다.
Numpy 의 푸 리 엽 변환
np.fft.fft2()
첫 번 째 매개 변 수 는 그림 을 입력 하 는 것 입 니 다.그 레이스 케 일 그림 입 니 다.두 번 째 매개 변 수 는 선택 할 수 있 습 니 다.출력 배열 의 크기 를 결정 합 니 다.입력 이미지 의 크기 보다 크 면 입력 그림 은 FFT 를 계산 하기 전에 0 을 채 웁 니 다.입력 이미지 보다 작 으 면 입력 그림 이 재단 되 고 매개 변수 가 전달 되 지 않 으 면 출력 배열 의 크기 는 입력 과 같 습 니 다.
일단 결과 가 나 오 면 0 주파수 분량(DC 분량)은 왼쪽 상단 에 있 게 된다.이 를 중심 위치 에 두 려 면 두 방향 에서 결 과 를 N2 로 이동 해 야 한다.
np.fft.fftshift()
주파수 변환 을 찾 으 면 크기 스펙트럼 을 찾 을 수 있다.코드:
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('img.jpg',0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
magnitude_spectrum = 20*np.log(np.abs(fshift))
plt.subplot(121),plt.imshow(img, cmap = 'gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(magnitude_spectrum, cmap = 'gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.show()
중심 에서 더 많은 흰색 구역 을 볼 수 있 고 저주파 의 내용 이 더 많다 는 것 을 나타 낸다.
현재 주파수 영역 에서 연산 을 할 수 있 습 니 다.예 를 들 어 고역 필터 와 재 구축 이미지,즉 역 DFT 를 찾 을 수 있 습 니 다.사각형 창 크기 의 60x 60 으로 저주파 부분 을 제거 하고
np.fft.ifftshift()
역방향 이동 을 사용 하여 DC 구성 요 소 를 다시 왼쪽 상단 에 나타 나 게 한 다음np.ifft2()
함수 로 반 FFT 를 찾 으 면 결 과 는 복수 이 고 절대 값 을 얻 을 수 있 습 니 다.코드:
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('img.jpg',0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
magnitude_spectrum = 20*np.log(np.abs(fshift))
rows, cols = img.shape
crow,ccol = int(rows/2) , int(cols/2)
fshift[crow-30:crow+30, ccol-30:ccol+30] = 0
f_ishift = np.fft.ifftshift(fshift)
img_back = np.fft.ifft2(f_ishift)
img_back = np.abs(img_back)
plt.subplot(221),plt.imshow(img, cmap = 'gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(222),plt.imshow(magnitude_spectrum, cmap = 'gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.subplot(223),plt.imshow(img_back)
plt.title('Result in JET'), plt.xticks([]), plt.yticks([])
plt.subplot(224),plt.imshow(img_back, cmap = 'gray')
plt.title('Image after HPF'), plt.xticks([]), plt.yticks([])
plt.show()
그 결과 고역 필 터 는 가장자리 검출 작업 이 었 다.
OpenCV 의 푸 리 에 변환
OpenCV 는
cv.dft()
와cv.idft()
함 수 를 제공 합 니 다.앞의 것 과 같은 결 과 를 되 돌려 주지 만 두 개의 채널 이 있 습 니 다.첫 번 째 채널 은 결과 의 실제 부분 이 있 고 두 번 째 채널 은 하나의 가상 부분 이 있 을 것 입 니 다.그림 을 입력 하려 면 먼저 np.float 32 로 변환 해 야 합 니 다.
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('img.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]))
plt.subplot(121),plt.imshow(img, cmap = 'gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(magnitude_spectrum, cmap = 'gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.show()
한 번 촬영 에서 크기 와 위상 을 동시에 되 돌 릴 수 있 는
cv.cartToPolar()
도 사용 할 수 있다.지금 우리 가 해 야 할 일 은 역 DFT 입 니 다.이번 에는 그림 의 고주파 내용 을 제거 합 니 다.즉,LPF 를 그림 에 적용 합 니 다.실제로 그림 을 흐 리 게 합 니 다.이 를 위해 서,우 리 는 저주파 내용 을 통 해 높 은 값(1)저주파 마스크 를 만 듭 니 다.즉,고주파 구역 에 서 는 0 입 니 다.
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('img.jpg',0)
dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)
rows, cols = img.shape
crow,ccol = int(rows/2) , int(cols/2)
# create a mask first, center square is 1, remaining all zeros
mask = np.zeros((rows,cols,2),np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 1
# apply mask and inverse DFT
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(img, cmap = 'gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(img_back, cmap = 'gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
plt.show()
NOTE:
OpenCV 함수
cv.dft()
와cv.idft()
는 Numpy 함수 보다 빠 릅 니 다.그러나 Numpy 기능 은 더욱 사용자 친화 적 입 니 다.Fourier Transform
이상 이 바로 본 고의 모든 내용 입 니 다.여러분 의 학습 에 도움 이 되 고 저 희 를 많이 응원 해 주 셨 으 면 좋 겠 습 니 다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
ip camera android에 액세스하고 java를 사용하여 모니터에 표시그런 다음 PC에서 다운로드 폴더를 추출해야 합니다 그런 다음 프로젝트 폴더에 다운로드한 javacv 라이브러리를 추가해야 합니다. 먼저 라이브러리 폴더를 마우스 오른쪽 버튼으로 클릭한 다음 jar/폴더 추가를 선택...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.