Перетворення Фур'є
Це дозволяє перетворити 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 контурів та зменшення шуму.
Спочатку необхідно перетворити зображення у відтінки сірого:
Для обчислення 2D-фур'є-перетворення:
Тут fft2() перетворює зображення з просторової області у частотну область, а fftshift() переміщує низькочастотні компоненти до центру.
Для візуалізації спектра амплітуд:
Оскільки перетворення Фур'є повертає комплексні числа, для коректної візуалізації використовуються абсолютні значення (np.abs()).
Функція np.log підвищує наочність, оскільки початкові значення амплітуди мають значний розкид за шкалою.
Swipe to start coding
Вам надано image:
- Перетворіть зображення у відтінки сірого та збережіть у змінній
gray_image; - Застосуйте Фур'є-перетворення до
gray_imageта збережіть у зміннійdft; - Виконайте 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 варіантівДякуємо за ваш відгук!
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів