圖像(MxN)的二維離散傅立葉變換可以將圖像由空間域變換到頻域中去，空間域中用x,y來表示空間坐標，頻域由u,v來表示頻率，二維離散傅立葉變換的公式如下：

在python中，numpy庫的fft模塊有實現好了的二維離散傅立葉變換函數，函數是fft2，輸入一張灰度圖，輸出經過二維離散傅立葉變換后的結果，但是具體實現并不是直接用上述公式，而是用快速傅立葉變換。結果需要通過使用abs求絕對值才可以進行可視化，但是視覺效果并不理想，因為傅立葉頻譜范圍很大，所以要用log對數變換來改善視覺效果。

在使用log函數的時候，要寫成log(1 + x) 而不是直接用log(x),這是為了避開對0做對數處理。

另外，圖像變換的原點需要移動到頻域矩形的中心，所以要對fft2的結果使用fftshift函數。最后也可以使用log來改善可視化效果。

代碼如下：

import numpy as npimport matplotlib.pyplot as pltimg = plt.imread('photo.jpg')#根據公式轉成灰度圖img = 0.2126 * img[:,:,0] + 0.7152 * img[:,:,1] + 0.0722 * img[:,:,2]#顯示原圖plt.subplot(231),plt.imshow(img,'gray'),plt.title('original')#進行傅立葉變換，并顯示結果fft2 = np.fft.fft2(img)plt.subplot(232),plt.imshow(np.abs(fft2),'gray'),plt.title('fft2')#將圖像變換的原點移動到頻域矩形的中心，并顯示效果shift2center = np.fft.fftshift(fft2)plt.subplot(233),plt.imshow(np.abs(shift2center),'gray'),plt.title('shift2center')#對傅立葉變換的結果進行對數變換，并顯示效果log_fft2 = np.log(1 + np.abs(fft2))plt.subplot(235),plt.imshow(log_fft2,'gray'),plt.title('log_fft2')#對中心化后的結果進行對數變換，并顯示結果log_shift2center = np.log(1 + np.abs(shift2center))plt.subplot(236),plt.imshow(log_shift2center,'gray'),plt.title('log_shift2center')

運行結果：

根據公式實現的二維離散傅立葉變換如下：

import numpy as npimport matplotlib.pyplot as pltPI = 3.141591265img = plt.imread('temp.jpg')#根據公式轉成灰度圖img = 0.2126 * img[:,:,0] + 0.7152 * img[:,:,1] + 0.0722 * img[:,:,2]#顯示原圖plt.subplot(131),plt.imshow(img,'gray'),plt.title('original')#進行傅立葉變換，并顯示結果fft2 = np.fft.fft2(img)log_fft2 = np.log(1 + np.abs(fft2))plt.subplot(132),plt.imshow(log_fft2,'gray'),plt.title('log_fft2')h , w = img.shape#生成一個同樣大小的復數矩陣F = np.zeros([h,w],'complex128')for u in range(h): for v in range(w):  res = 0  for x in range(h):   for y in range(w):    res += img[x,y] * np.exp(-1.j * 2 * PI * (u * x / h + v * y / w))  F[u,v] = reslog_F = np.log(1 + np.abs(F))plt.subplot(133),plt.imshow(log_F,'gray'),plt.title('log_F')

直接根據公式實現復雜度很高，因為是四重循環，時間復雜度為 ，所以實際用的時候需要用快速傅立葉變換來實現

以上這篇python 圖像的離散傅立葉變換實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林網之家。