DFT.rar_opencv频域_图像频域_图像频域opencv_VC++实现DFT变换资源-CSDN下载

共6个文件

dsw：1个

dsp：1个

ncb：1个

版权申诉

99 浏览量 2022-09-23 09:27:06 上传评论 1 收藏 128KB RAR 举报

标题 "DFT.rar_opencv 频域_图像频域_图像频域opencv" 涉及的核心知识点是使用OpenCV库在VC++6.0集成开发环境中执行离散傅立叶变换（Discrete Fourier Transform, DFT）来处理JPEG图像。OpenCV是一个强大的开源计算机视觉库，包含多种图像处理和计算机视觉功能，如图像滤波、特征检测、图像变换等。在本项目中，重点是理解和应用DFT于图像处理。离散傅立叶变换是数学中的一个基本工具，用于将信号或函数从时域（或空间域）转换到频域。在图像处理中，这个转换能够揭示图像的频率成分，帮助分析图像的纹理和结构。DFT对于图像去噪、滤波和压缩等任务特别有用。描述中提到，程序需要输入一个灰度图像，这是因为单通道的灰度图像比多通道的彩色图像计算起来更简单，且傅立叶变换通常在单通道图像上进行。程序会对输入的灰度图像执行DFT，然后显示变换后的频域图像。频域图像通常展示为复数的幅度图，其中明亮区域表示高频成分，暗区则代表低频成分。高频部分通常与图像的边缘和细节相关，而低频部分则对应图像的整体亮度和色调。在实现过程中，OpenCV库提供了`cv::dft()`函数，它能够方便地对图像进行DFT操作。在VC++6.0中，开发者需要先包含OpenCV的头文件，然后调用这个函数，传入图像数据。此外，还需要进行一些预处理和后处理步骤，比如填充零值以使图像大小为2的幂，以及使用`cv::magnitude()`和`cv::sqrt()`计算幅度图。通常会通过`cv::imshow()`函数显示结果，以便观察和分析。在标签"opencv_频域图像_频域图像频域opencv"中，"opencv"强调了使用OpenCV库，"频域"和"图像频域"则表明了讨论的是图像处理中的频域分析。压缩包内的"DFT"文件可能包含了实现这一过程的源代码、结果图像或者相关的文档说明。这个项目涵盖了数字图像处理的基本概念，包括离散傅立叶变换、频域分析以及如何利用OpenCV库在C++环境中实现这些操作。对于想要深入理解图像处理和频域理论的开发者来说，这是一个很好的实践案例。

资源详情

资源评论

资源推荐

收起资源包目录

DFT.rar （6个子文件）

DFT

dft.cpp 4KB

DFT.plg 240B

DFT.dsw 531B

DFT.dsp 4KB

DFT.opt 395KB

DFT.ncb 41KB

Debug

#include<cxcore.h> #include<cv.h> #include<highgui.h> // 以图像中心为原点,调整傅里叶变换图像的四个象限区,即第一与第三象限交换,第二与第四象限交换 void cvShiftDFT(CvArr *src_arr,CvArr *dst_arr) { CvMat *tmp; CvMat q1stub,q2stub; CvMat q3stub,q4stub; CvMat d1stub,d2stub; CvMat d3stub,d4stub; CvMat *q1, *q2, *q3, *q4; CvMat *d1, *d2, *d3, *d4; CvSize size = cvGetSize(src_arr); CvSize dst_size = cvGetSize(dst_arr); int cx,cy; if(dst_size.width != size.width || dst_size.height != size.height) { cvError(CV_StsUnmatchedSizes, "cvShiftDFT", "Source and Destination arrays must have equal sizes", __FILE__,__LINE__); } if(src_arr == dst_arr) { tmp = cvCreateMat(size.height/2,size.width/2,cvGetElemType(src_arr)); } cx = size.width/2; cy = size.height/2; // image center q1 = cvGetSubRect(src_arr, &q1stub, cvRect(0,0,cx,cy)); q2 = cvGetSubRect(src_arr, &q2stub, cvRect(cx,0,cx,cy)); q3 = cvGetSubRect(src_arr, &q3stub, cvRect(cx,cy,cx,cy)); q4 = cvGetSubRect(src_arr, &q4stub, cvRect(0,cy,cx,cy)); d1 = cvGetSubRect(dst_arr, &d1stub, cvRect(0,0,cx,cy)); d2 = cvGetSubRect(dst_arr, &d2stub, cvRect(cx,0,cx,cy)); d3 = cvGetSubRect(dst_arr, &d3stub, cvRect(cx,cy,cx,cy)); d4 = cvGetSubRect(dst_arr, &d4stub, cvRect(0,cy,cx,cy)); if(src_arr != dst_arr) { if(!CV_ARE_TYPES_EQ(q1,d1)) { cvError(CV_StsUnmatchedFormats, "cvShiftDFT","Source and Destination arrays must have the same format",__FILE__,__LINE__); } cvCopy(q3,d1,0); cvCopy(q4,d2,0); cvCopy(q1,d3,0); cvCopy(q2,d4,0); } else{ cvCopy(q3,tmp,0); cvCopy(q1,q3,0); cvCopy(tmp,q1,0); cvCopy(q4,tmp,0); cvCopy(q2,q4,0); cvCopy(tmp,q2,0); } } int main(int argc, char ** argv) { const char *filename = argc >= 2?argv[1]:"lena.jpg"; IplImage *im; IplImage *realInput; IplImage *imaginaryInput; IplImage *image_Re; IplImage *image_Im; IplImage *complexInput; int dft_M, dft_N; CvMat *dft_A,tmp; double m,M; im = cvLoadImage(filename, CV_LOAD_IMAGE_GRAYSCALE); if(!im) return -1; realInput = cvCreateImage(cvGetSize(im),IPL_DEPTH_64F,1); imaginaryInput = cvCreateImage(cvGetSize(im), IPL_DEPTH_64F,1); complexInput = cvCreateImage(cvGetSize(im), IPL_DEPTH_64F,2); cvScale(im,realInput,1.0,0.0); cvZero(imaginaryInput); cvMerge(realInput, imaginaryInput, NULL, NULL, complexInput); dft_M = cvGetOptimalDFTSize(im->height -1); dft_N = cvGetOptimalDFTSize(im->width-1); dft_A = cvCreateMat(dft_M,dft_N,CV_64FC2); image_Re = cvCreateImage(cvSize(dft_N,dft_M),IPL_DEPTH_64F,1); image_Im = cvCreateImage(cvSize(dft_N,dft_M),IPL_DEPTH_64F,1); //copy A to dft_A and pad dft_A with zeros cvGetSubRect(dft_A,&tmp,cvRect(0,0,im->width,im->height)); cvCopy(complexInput,&tmp,NULL); cvGetSubRect(dft_A,&tmp,cvRect(im->width,0,dft_A->cols-im->width,im->height)); cvZero(&tmp); //no need to pad bottom part of dft_A with zeros because of use nonzero_rows parameter in cvDFT() call below cvDFT(dft_A,dft_A,CV_DXT_FORWARD,complexInput->height); cvNamedWindow("win",0); cvNamedWindow("magnitude",0); cvShowImage("win",im); //Split Fourier in real and imaginary parts cvSplit(dft_A,image_Re, image_Im,0,0); //计算功率谱 Mag = sqrt(Re^2 + Im^2) cvPow(image_Re,image_Re,2.0); cvPow(image_Im,image_Im,2.0); cvAdd(image_Re,image_Im,image_Re,NULL); cvPow(image_Re,image_Re,0.5); //计算log(1+Mag) cvAddS(image_Re,cvScalarAll(1.0),image_Re,NULL); // 1+Mag cvLog(image_Re,image_Re); //log(1+Mag) //重新安排四个象限,使原点在图像中心 cvShiftDFT(image_Re,image_Re); //调整显示像素的区间,保证最大值为白色,最小值为黑角 cvMinMaxLoc(image_Re,&m,&M,NULL,NULL,NULL); cvScale(image_Re,image_Re,1.0/(M-m),1.0*(-m)/(M-m)); cvShowImage("magnitude",image_Re); cvWaitKey(-1); return 0; }