Вивчайте Перетворення Фур'є | Обробка Зображень з OpenCV

Секція 2. Розділ 2

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 завдань, як фільтрація зображень, виявлення країв та зменшення шуму.

Спочатку необхідно 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() переміщує низькочастотні компоненти в 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 підсилює видимість, оскільки початкові значення амплітуди мають великий діапазон.

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 та збережіть у змінній dft;
Зробіть зсув нульової частоти до центру та збережіть результат у змінній dft_shift;
Обчисліть спектр амплітуд та 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 2. Розділ 2

single

Запитати АІ

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