Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Trasformata di Fourier | Elaborazione delle Immagini con OpenCV
Fondamenti di Computer Vision

bookTrasformata di Fourier

Permette di trasformare un'immagine dal dominio spaziale (dove i valori dei pixel sono rappresentati direttamente) al dominio delle frequenze (dove analizziamo pattern e strutture in base alla loro frequenza). Questo è utile per attività come filtraggio delle immagini, rilevamento dei bordi e riduzione del rumore.

Per prima cosa, è necessario convertire l'immagine in scala di grigi:

Per calcolare la trasformata di Fourier 2D:

Qui, fft2() converte l'immagine dal dominio spaziale al dominio delle frequenze, e fftshift() sposta le componenti a bassa frequenza al centro.

Per visualizzare lo spettro di magnitudine:

Poiché la trasformata di Fourier restituisce numeri complessi, si utilizzano i valori assoluti (np.abs()) per una visualizzazione significativa.

La funzione np.log migliora la visibilità, poiché i valori di magnitudo grezzi variano notevolmente in scala.

Compito

Swipe to start coding

Ti viene fornita un'immagine (image):

  • Converti l'immagine in scala di grigi e memorizzala nella variabile gray_image;
  • Applica la trasformata di Fourier alla gray_image e memorizza il risultato nella variabile dft;
  • Esegui lo shift della frequenza zero al centro e memorizza il risultato nella variabile dft_shift;
  • Calcola lo spettro di magnitudine e memorizzalo nella variabile magnitude_spectrum.

Soluzione

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 2
single

single

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

close

Awesome!

Completion rate improved to 3.45

bookTrasformata di Fourier

Scorri per mostrare il menu

Permette di trasformare un'immagine dal dominio spaziale (dove i valori dei pixel sono rappresentati direttamente) al dominio delle frequenze (dove analizziamo pattern e strutture in base alla loro frequenza). Questo è utile per attività come filtraggio delle immagini, rilevamento dei bordi e riduzione del rumore.

Per prima cosa, è necessario convertire l'immagine in scala di grigi:

Per calcolare la trasformata di Fourier 2D:

Qui, fft2() converte l'immagine dal dominio spaziale al dominio delle frequenze, e fftshift() sposta le componenti a bassa frequenza al centro.

Per visualizzare lo spettro di magnitudine:

Poiché la trasformata di Fourier restituisce numeri complessi, si utilizzano i valori assoluti (np.abs()) per una visualizzazione significativa.

La funzione np.log migliora la visibilità, poiché i valori di magnitudo grezzi variano notevolmente in scala.

Compito

Swipe to start coding

Ti viene fornita un'immagine (image):

  • Converti l'immagine in scala di grigi e memorizzala nella variabile gray_image;
  • Applica la trasformata di Fourier alla gray_image e memorizza il risultato nella variabile dft;
  • Esegui lo shift della frequenza zero al centro e memorizza il risultato nella variabile dft_shift;
  • Calcola lo spettro di magnitudine e memorizzalo nella variabile magnitude_spectrum.

Soluzione

Switch to desktopCambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguenti
Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

close

Awesome!

Completion rate improved to 3.45
Sezione 2. Capitolo 2
single

single

some-alt