Вивчайте Перетворення Фур'є

Секція 1. Розділ 5

single

Свайпніть щоб показати меню

Визначення

Перетворення Фур'є (FT) — це фундаментальний математичний інструмент, який використовується в обробці зображень для аналізу частотних компонентів зображення.

Воно дозволяє перетворювати зображення з просторової області (де значення пікселів представлені безпосередньо) у частотну область (де аналізуються шаблони та структури на основі їх частоти). Це корисно для таких задач, як фільтрація зображень, виявлення контурів та зменшення шуму.

Спочатку потрібно перетворити зображення у відтінки сірого:

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

Примітка

Ми використали COLOR_BGR2GRAY, оскільки зображення зазвичай зчитуються у форматі BGR, який є зворотним до RGB.

Для обчислення 2D-фур'є-перетворення:

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

Тут fft2() перетворює зображення з просторової області у частотну область, а fftshift() зміщує компоненти низьких частот у центр.

Для візуалізації спектра амплітуд:

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

Оскільки фур'є-перетворення повертає комплексні числа, для коректної візуалізації використовуються абсолютні значення (np.abs()).

Функція np.log підвищує наочність, оскільки сирі значення амплітуди мають великий розкид за шкалою.

Завдання

Swipe to start coding

Вам надано image:

Перетворіть зображення у відтінки сірого та збережіть у змінній gray_image;
Застосуйте Фур'є-перетворення до gray_image і збережіть у змінній dft;
Виконайте зсув нульової частоти до центру та збережіть результат у змінній dft_shift;
Обчисліть спектр амплітуд і збережіть у змінній magnitude_spectrum.

Рішення

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 1. Розділ 5

single

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат