华科数字图像处理实验五（二）数字图像处理

对child.jpg图像的灰度图像进行高通、带通、低通滤波后的结果分别表示彩色图像B、G、R分量。根据颜色分析观察图像中空间频率变化快慢的区域。

文章图片

child.jpg

import cv2 import numpy as np from matplotlib import pyplot as pltimg = cv2.imread('child.jpg', cv2.IMREAD_COLOR) img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) plt.subplot(221), plt.imshow(img, 'gray'), plt.title('origin') img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#转换成灰度图片dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)#进行傅里叶变化 #参数说明:img表示输入的图片， cv2.DFT_COMPLEX_OUTPUT表示进行傅里叶变化的方法fshift = np.fft.fftshift(dft) #将图像中的低频部分移动到图像的中心 rows, cols = img.shape crow, ccol = int(rows / 2), int(cols / 2) # 低通滤波器R mask1 = np.zeros((rows, cols, 2), np.uint8)#返回来一个给定形状和类型的用0填充的数组； mask1[crow - 10:crow + 10, ccol - 10:ccol + 10] = 1 # 高通滤波器B mask2 = np.ones((rows, cols, 2), np.uint8)#返回一个全1的n维数组 mask2[crow - 40:crow + 40, ccol - 40:ccol + 40] = 0 # 带通滤波器G mask3 = np.zeros((rows, cols, 2), np.uint8) mask3[crow - 40:crow + 40, ccol -40:ccol + 40] = 1 mask3[crow - 10:crow + 10, ccol - 10:ccol + 10] = 0 # 掩膜图像和频谱图像乘积 f1 = fshift * mask1 f2 = fshift * mask2 f3 = fshift * mask3ishift1 = np.fft.ifftshift(f1) #图像的低频和高频部分移动到图像原来的位置 iimg1 = cv2.idft(ishift1)#傅里叶逆变换 res1 = cv2.magnitude(iimg1[:, :, 0], iimg1[:, :, 1])#将sqrt(x^2 + y^2) 计算矩阵维度的平方根 ishift2 = np.fft.ifftshift(f2) iimg2 = cv2.idft(ishift2) res2 = cv2.magnitude(iimg2[:, :, 0], iimg2[:, :, 1]) ishift3 = np.fft.ifftshift(f3) iimg3 = cv2.idft(ishift3) res3 = cv2.magnitude(iimg3[:, :, 0], iimg3[:, :, 1]) res = cv2.merge([res2, res3, res1])#通道合并plt.subplot(222), plt.imshow(res1), plt.title('low') plt.subplot(223), plt.imshow(res2), plt.title('high') plt.subplot(224), plt.imshow(res3), plt.title('middle') plt.show()

【华科数字图像处理实验五（二）】实验结果