图像处理分析FFT.docx

1、图像处理分析FFT实验名称实验5：频域滤波实验目的掌握图像进行频域滤波的方法和步骤。1、掌握图像频域 DFT 变换和反变换的方法。2、掌握图像频域滤波的步骤实验内容1、灰度图像的 DFT 和 IDFT。具体内容：利用 OpenCV 提供的 cvDFT 函数对图像进行 DFT 和 IDFT 变换2、利用理想高通和低通滤波器对灰度图像进行频域滤波具体内容：利用 cvDFT 函数实现 DFT，在频域上利用理想高通和低通滤波器进行滤波，并把滤波过后的图像显示在屏幕上（观察振铃现象），要求截止频率可输入。3、利用布特沃斯高通和低通滤波器对灰度图像进行频域滤波。具体内容：利用 cvDFT 函数实现 DFT

2、，在频域上进行利用布特沃斯高通和低通滤波器进行滤波，并把滤波过后的图像显示在屏幕上（观察振铃现象），要求截止频率和 n 可输入。实验完成情况1、 实验步骤：利用 OpenCV 提供的 cvDFT 函数对图像进行 DFT 和 IDFT 变换核心代码如下：/DFT变换IplImage *DFT(IplImage * src) IplImage* fourier = cvCreateImage(cvGetSize(src),IPL_DEPTH_64F,2); int dft_H, dft_W; dft_H = src-height; dft_W = src-width; CvMat *src_Re

3、= cvCreateMat(dft_H,dft_W, CV_64FC1); / double Re, Im; CvMat *src_Im = cvCreateMat(dft_H,dft_W, CV_64FC1); /Imaginary part CvMat *sum_src =cvCreateMat(dft_H,dft_W, CV_64FC2); /2 channels (src_Re, src_Im) CvMat *sum_dst =cvCreateMat(dft_H,dft_W, CV_64FC2); /2 channels (dst_Re, dst_Im) cvConvert(src,

4、src_Re); cvZero(src_Im); cvMerge(src_Re, src_Im, 0, 0, sum_src); cvDFT(sum_src,sum_dst,CV_DXT_FORWARD,0); cvConvert(sum_dst, fourier); cvReleaseMat(&src_Re); cvReleaseMat(&src_Im); cvReleaseMat(&sum_src); cvReleaseMat(&sum_dst); return fourier;/DFT反变换IplImage *IDFT(IplImage * fourier) IplImage* dst

5、= cvCreateImage(cvGetSize(fourier),IPL_DEPTH_8U,1); int dft_H, dft_W; dft_H = fourier-height; dft_W = fourier-width; CvMat *dst_Re = cvCreateMat(dft_H,dft_W, CV_64FC1); / double Re, Im; CvMat *dst_Im = cvCreateMat(dft_H,dft_W, CV_64FC1); /Imaginary part CvMat *sum_dst =cvCreateMat(dft_H,dft_W, CV_64

6、FC2); /2 channels (dst_Re, dst_Im) CvMat *sum_src = cvCreateMat(dft_H,dft_W, CV_64FC2 ); cvConvert(fourier, sum_src); cvDFT(sum_src,sum_dst,CV_DXT_INV_SCALE,0); cvSplit(sum_dst,dst_Re,dst_Im,0,0); cvConvert(dst_Re, dst); cvReleaseMat(&dst_Re); cvReleaseMat(&dst_Im); cvReleaseMat(&sum_src); cvRelease

7、Mat(&sum_dst); return dst;/归一化，将灰度映射到0255之间, 并将能量最高的四角移到中心, 生成图片频域能量图void BuildDFTImage(IplImage *fourier, IplImage *dst) IplImage *image_Re = 0, *image_Im = 0; image_Re = cvCreateImage(cvGetSize(fourier), IPL_DEPTH_64F, 1); image_Im = cvCreateImage(cvGetSize(fourier), IPL_DEPTH_64F, 1); /Imaginary

8、part cvSplit(fourier, image_Re, image_Im, 0, 0 ); / Compute the magnitude of the spectrum Mag = sqrt(Re2 + Im2) cvPow( image_Re, image_Re, 2.0); cvPow( image_Im, image_Im, 2.0); cvAdd( image_Re, image_Im, image_Re); cvPow( image_Re, image_Re, 0.5 ); cvReleaseImage(&image_Im); cvAddS(image_Re, cvScal

9、ar(1.0), image_Re); / 1 + Mag cvLog(image_Re, image_Re ); / log(1 + Mag) /重新安排傅里叶图像中心 / Rearrange the quadrants of Fourier image so that the origin is at / the image center double minVal = 0, maxVal = 0; cvMinMaxLoc( image_Re, &minVal, &maxVal ); / Localize minimum and maximum values CvScalar min; m

10、in.val0 = minVal; double scale = 255 / (maxVal - minVal); cvSubS(image_Re, min, image_Re); cvConvertScale(image_Re, dst, scale); cvReleaseImage(&image_Re); / Rearrange the quadrants of Fourier image so that the origin is at / the image center int nRow, nCol, i, j, cy, cx; uchar tmp13, tmp24; nRow =

11、fourier-height; nCol = fourier-width; cy = nRow/2; / image center cx = nCol/2; for( j = 0; j cy; j+ ) for( i = 0; i width; height = fourier-height; long x, y; x = width / 2; y = height / 2; CvMat* H_mat; H_mat = cvCreateMat(fourier-height,fourier-width, CV_64FC2); for(i = 0; i height; i+) for(j = 0;

12、 j y & j x) state = 3; else if(i y) state = 1; else if(j x) state = 2; else state = 0; switch(state) case 0: tempD = (double)sqrt(1.0*i * i + j * j);break; case 1: tempD = (double)sqrt(1.0*(height - i) * (height - i) + j * j);break; case 2: tempD = (double)sqrt(1.0*i * i + (width - j) * (width - j);

13、break; case 3: tempD = (double)sqrt(1.0*(height - i) * (height - i) + (width - j) * (width - j);break; default: break; switch(FLAG) case IDEAL_LOW: if(tempD data.ptr + H_mat-step * i)j * 2 = 1.0; (double*)(H_mat-data.ptr + H_mat-step * i)j * 2 + 1 = 0.0; else (double*)(H_mat-data.ptr + H_mat-step *

14、i)j * 2 = 0.0; (double*)(H_mat-data.ptr + H_mat-step * i)j * 2 + 1 = 0.0; break; case IDEAL_HIGH: if(tempD data.ptr + H_mat-step * i)j * 2 = 0.0; (double*)(H_mat-data.ptr + H_mat-step * i)j * 2 + 1 = 0.0; else (double*)(H_mat-data.ptr + H_mat-step * i)j * 2 = 1.0; (double*)(H_mat-data.ptr + H_mat-st

15、ep * i)j * 2 + 1 = 0.0; break; case BW_LOW: tempD = 1 / (1 + pow(tempD / D0, 2 * n); (double*)(H_mat-data.ptr + H_mat-step * i)j * 2 = tempD; (double*)(H_mat-data.ptr + H_mat-step * i)j * 2 + 1 = 0.0; break; case BW_HIGH: tempD = 1 / (1 + pow(D0 / tempD, 2 * n); (double*)(H_mat-data.ptr + H_mat-step

16、 * i)j * 2 = tempD; (double*)(H_mat-data.ptr + H_mat-step * i)j * 2 + 1 = 0.0; break; default: break; cvMulSpectrums(fourier, H_mat, fourier, CV_DXT_ROWS); cvReleaseMat(&H_mat);其中选择IDEAL_LOW与IDEAL_HIGH模式即为该实验的理想低通与高通滤波器实验结果如图：理想低通滤波器处理过程如下图所示理想高通滤波器处理过程如下图所示3、实验步骤：利用 cvDFT 函数实现 DFT，在频域上进行利用布特沃斯高通和低通滤波器进行滤波，并把滤波过后的图像显示在屏幕上（观察振铃现象），并且截止频率和 n 可输入。核心代码与2中类似其中选择BW_LOW与BW_HIGH模式即为该实验的理想低通与高通滤波器实验结果如图：巴特沃斯低通滤波器处理过程如下图所示巴特沃斯高通滤波器处理过程如下图所示实验中的问题问题：DFT变换后图像全为黑色。解决方法：DFT处理后未调整图像中心，高能量集中在图片的四个拐角，重新设计算法中心化该谱，将能量集中到图像中心。实验结果实验源码位于实验5_曹欣_SA14225013.rar中代码位于lab5文件夹中，5_1.cpp为主程序，可在宏定义中修改截止频率D0