Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Fourier-transformasjon | Bildebehandling med OpenCV
Grunnleggende Datamaskinsyn

bookFourier-transformasjon

Note
Definisjon

Fourier-transformasjonen (FT) er et grunnleggende matematisk verktøy som brukes i bildebehandling for å analysere frekvenskomponentene i et bilde.

Den lar oss transformere et bilde fra romlig domene (der pikselverdier er representert direkte) til frekvensdomene (der vi analyserer mønstre og strukturer basert på deres frekvens). Dette er nyttig for oppgaver som bildefiltrering, kantdeteksjon og støyreduksjon.

Først må vi konvertere bildet til gråtoner:

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
Note
Merk

Vi brukte COLOR_BGR2GRAY fordi bilder hovedsakelig leses inn i BGR-format, som er motsatt av RGB.

For å beregne 2D Fourier-transformasjonen:

dft = np.fft.fft2(image)
dft_shift = np.fft.fftshift(dft)

Her konverterer fft2() bildet fra romdomenet til frekvensdomenet, og fftshift() flytter lavfrekvente komponenter til midten.

For å visualisere magnitudespesktret:

magnitude_spectrum = 20 * np.log(np.abs(dft_shift))

Siden Fourier-transformasjonen gir komplekse tall som utdata, tar vi absoluttverdiene (np.abs()) for en meningsfull visualisering.

Funksjonen np.log forbedrer synligheten, ettersom rå magnitudeverdier varierer mye i skala.

Oppgave

Swipe to start coding

Du har fått et image:

  • Konverter bildet til gråtoner og lagre det i variabelen gray_image;
  • Bruk Fourier-transformasjon på gray_image og lagre resultatet i variabelen dft;
  • Utfør nullfrekvensforskyvning til sentrum og lagre resultatet i variabelen dft_shift;
  • Beregn et magnitüdespektrum og lagre det i variabelen magnitude_spectrum.

Løsning

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 2
single

single

Spør AI

expand

Spør AI

ChatGPT

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Suggested prompts:

Can you explain why we use the frequency domain for image processing?

What are some practical applications of the magnitude spectrum?

How do I interpret the magnitude spectrum visually?

close

Awesome!

Completion rate improved to 3.45

bookFourier-transformasjon

Sveip for å vise menyen

Note
Definisjon

Fourier-transformasjonen (FT) er et grunnleggende matematisk verktøy som brukes i bildebehandling for å analysere frekvenskomponentene i et bilde.

Den lar oss transformere et bilde fra romlig domene (der pikselverdier er representert direkte) til frekvensdomene (der vi analyserer mønstre og strukturer basert på deres frekvens). Dette er nyttig for oppgaver som bildefiltrering, kantdeteksjon og støyreduksjon.

Først må vi konvertere bildet til gråtoner:

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
Note
Merk

Vi brukte COLOR_BGR2GRAY fordi bilder hovedsakelig leses inn i BGR-format, som er motsatt av RGB.

For å beregne 2D Fourier-transformasjonen:

dft = np.fft.fft2(image)
dft_shift = np.fft.fftshift(dft)

Her konverterer fft2() bildet fra romdomenet til frekvensdomenet, og fftshift() flytter lavfrekvente komponenter til midten.

For å visualisere magnitudespesktret:

magnitude_spectrum = 20 * np.log(np.abs(dft_shift))

Siden Fourier-transformasjonen gir komplekse tall som utdata, tar vi absoluttverdiene (np.abs()) for en meningsfull visualisering.

Funksjonen np.log forbedrer synligheten, ettersom rå magnitudeverdier varierer mye i skala.

Oppgave

Swipe to start coding

Du har fått et image:

  • Konverter bildet til gråtoner og lagre det i variabelen gray_image;
  • Bruk Fourier-transformasjon på gray_image og lagre resultatet i variabelen dft;
  • Utfør nullfrekvensforskyvning til sentrum og lagre resultatet i variabelen dft_shift;
  • Beregn et magnitüdespektrum og lagre det i variabelen magnitude_spectrum.

Løsning

Switch to desktopBytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor
Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 2
single

single

some-alt