Skip to content

Navigation Menu

Sign in
Appearance settings

Search code, repositories, users, issues, pull requests...

Provide feedback

We read every piece of feedback, and take your input very seriously.

Saved searches

Use saved searches to filter your results more quickly
Sign up
Appearance settings

Commit c0cf9fa

Browse files
committed
update ch23
1 parent c5cb8d2 commit c0cf9fa

8 files changed

+230
-51
lines changed
Lines changed: 43 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,43 @@
1+
# -*- coding: utf-8 -*-
2+
# @Time : 2017年7月13日 上午11:12
3+
# @Author : play4fun
4+
# @File : 23.1.3 DFT 的性能优化.py
5+
# @Software: PyCharm
6+
7+
"""
8+
23.1.3 DFT 的性能优化.py:
9+
"""
10+
import numpy as np
11+
12+
# In [16]: img = cv2.imread('messi5.jpg',0)
13+
# In [17]: rows,cols = img.shape
14+
# In [18]: print rows,cols
15+
# 342 548
16+
# In [19]: nrows = cv2.getOptimalDFTSize(rows)
17+
# In [20]: ncols = cv2.getOptimalDFTSize(cols)
18+
# In [21]: print nrows, ncols
19+
# 360 57
20+
21+
nimg = np.zeros((nrows,ncols))
22+
nimg[:rows,:cols] = img
23+
24+
#或者
25+
right = ncols - cols
26+
bottom = nrows - rows
27+
#just to avoid line breakup in PDF file
28+
bordertype = cv2.BORDER_CONSTANT
29+
nimg = cv2.copyMakeBorder(img,0,bottom,0,right,bordertype, value = 0)
30+
31+
#现在我们看看 Numpy 的 现
32+
33+
In [22]: %timeit fft1 = np.fft.fft2(img)
34+
10 loops, best of 3: 40.9 ms per loop
35+
In [23]: %timeit fft2 = np.fft.fft2(img,[nrows,ncols])
36+
100 loops, best of 3: 10.4 ms per loop
37+
38+
# 度提 了 4 倍。我们再看看 OpenCV 的 现
39+
In [24]: %timeit dft1= cv2.dft(np.float32(img),flags=cv2.DFT_COMPLEX_OUTPUT)
40+
100 loops, best of 3: 13.5 ms per loop
41+
42+
In [27]: %timeit dft2= cv2.dft(np.float32(nimg),flags=cv2.DFT_COMPLEX_OUTPUT)
43+
100 loops, best of 3: 3.11 ms per loop
Lines changed: 49 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,49 @@
1+
# -*- coding: utf-8 -*-
2+
# @Time : 2017年7月13日 上午11:18
3+
# @Author : play4fun
4+
# @File : 23.1.4 为什么拉普拉斯算子是高通滤波器.py
5+
# @Software: PyCharm
6+
7+
"""
8+
23.1.4 为什么拉普拉斯算子是高通滤波器.py:
9+
从图像中我们就可以看出每一个算子允 些信号。从 些信息中我 们就可以知 些是 HPF 是 LPF
10+
"""
11+
12+
import cv2
13+
import numpy as np
14+
from matplotlib import pyplot as plt
15+
16+
# simple averaging filter without scaling parameter
17+
mean_filter = np.ones((3, 3))
18+
# creating a guassian filter
19+
x = cv2.getGaussianKernel(5, 10)
20+
21+
gaussian = x * x.T
22+
# different edge detecting filters
23+
# scharr in x-direction
24+
scharr = np.array([[-3, 0, 3],
25+
[-10, 0, 10],
26+
[-3, 0, 3]])
27+
# sobel in x direction
28+
sobel_x = np.array([[-1, 0, 1],
29+
[-2, 0, 2],
30+
[-1, 0, 1]])
31+
# sobel in y direction
32+
sobel_y = np.array([[-1, -2, -1],
33+
[0, 0, 0],
34+
[1, 2, 1]])
35+
# laplacian
36+
laplacian = np.array([[0, 1, 0],
37+
[1, -4, 1],
38+
[0, 1, 0]])
39+
filters = [mean_filter, gaussian, laplacian, sobel_x, sobel_y, scharr]
40+
filter_name = ['mean_filter', 'gaussian', 'laplacian', 'sobel_x', 'sobel_y', 'scharr_x']
41+
42+
fft_filters = [np.fft.fft2(x) for x in filters]
43+
fft_shift = [np.fft.fftshift(y) for y in fft_filters]
44+
mag_spectrum = [np.log(np.abs(z) + 1) for z in fft_shift]
45+
46+
for i in range(6):
47+
plt.subplot(2, 3, i + 1), plt.imshow(mag_spectrum[i], cmap='gray')
48+
plt.title(filter_name[i]), plt.xticks([]), plt.yticks([])
49+
plt.show()
Lines changed: 33 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,33 @@
1+
# -*- coding: utf-8 -*-
2+
# @Time : 2017年7月13日 上午10:59
3+
# @Author : play4fun
4+
# @File : OpenCV中的傅里叶变换-DFT.py
5+
# @Software: PyCharm
6+
7+
"""
8+
OpenCV中的傅里叶变换-DFT.py:
9+
OpenCV 中相应的函数是 cv2.dft() 和 cv2.idft()。和前 出的结果 一样 但是是双通道的。
10+
第一个通道是结果的实数部 分
11+
第二个通道是结果的虚数部分。
12+
输入图像 先 换成 np.float32 格式
13+
14+
使用函数 cv2.cartToPolar() 它会同时返回幅度和相位。
15+
16+
"""
17+
18+
import numpy as np
19+
import cv2
20+
from matplotlib import pyplot as plt
21+
22+
img = cv2.imread('../data/messi5.jpg', 0)
23+
24+
dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
25+
26+
dft_shift = np.fft.fftshift(dft)
27+
magnitude_spectrum = 20 * np.log(cv2.magnitude(dft_shift[:, :, 0], dft_shift[:, :, 1]))
28+
29+
plt.subplot(121), plt.imshow(img, cmap='gray')
30+
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
31+
plt.subplot(122), plt.imshow(magnitude_spectrum, cmap='gray')
32+
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
33+
plt.show()
Lines changed: 40 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,40 @@
1+
# -*- coding: utf-8 -*-
2+
# @Time : 2017年7月13日 上午11:03
3+
# @Author : play4fun
4+
# @File : OpenCV中的傅里叶变换-逆DFT.py
5+
# @Software: PyCharm
6+
7+
"""
8+
OpenCV中的傅里叶变换-逆DFT.py:
9+
在前 的 分我们实现了一个 HPF 高通滤波 现在我们来做 LPF 低通滤波 将高频分去除。其实就是对图像进行模糊操作。
10+
首先我们 构建一个掩模 与低 区域对应的地方 置为 1, 与 区域 对应的地方 置为 0。
11+
"""
12+
13+
import numpy as np
14+
import cv2
15+
from matplotlib import pyplot as plt
16+
17+
img = cv2.imread('../data/messi5.jpg', 0)
18+
19+
dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
20+
21+
dft_shift = np.fft.fftshift(dft)
22+
23+
rows, cols = img.shape
24+
crow, ccol = int(rows / 2), int(cols / 2)
25+
26+
# create a mask first, center square is 1, remaining all zeros
27+
mask = np.zeros((rows, cols, 2), np.uint8)
28+
mask[crow - 30:crow + 30, ccol - 30:ccol + 30] = 1
29+
30+
# apply mask and inverse DFT
31+
fshift = dft_shift * mask
32+
f_ishift = np.fft.ifftshift(fshift)
33+
img_back = cv2.idft(f_ishift)
34+
img_back = cv2.magnitude(img_back[:, :, 0], img_back[:, :, 1])
35+
36+
plt.subplot(121), plt.imshow(img, cmap='gray')
37+
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
38+
plt.subplot(122), plt.imshow(img_back, cmap='gray')
39+
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
40+
plt.show()
Lines changed: 27 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,27 @@
1+
# -*-coding:utf8-*-#
2+
__author__ = 'play4fun'
3+
"""
4+
create time:15-10-24 下午5:42
5+
6+
函数 np.fft.fft2() 可以对信号 率 换 出结果是一个复杂的数组。
7+
第一个参数是 入图像 求是灰 度格式。
8+
第二个参数是可 的, 决定 出数组的大小。
9+
输出数组的大小和输入图像大小一样。如果输出结果比输入图像大
10+
输入图像就需要在进行 FFT 前补0。如果输出结果比输入图像小的话 输入图像就会被切割。
11+
"""
12+
13+
import cv2
14+
import numpy as np
15+
from matplotlib import pyplot as plt
16+
17+
img = cv2.imread('../data/messi5.jpg', 0)
18+
f = np.fft.fft2(img)
19+
fshift = np.fft.fftshift(f)
20+
# 这里构建振幅图的公式没学过
21+
magnitude_spectrum = 20 * np.log(np.abs(fshift))
22+
23+
plt.subplot(121), plt.imshow(img, cmap='gray')
24+
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
25+
plt.subplot(122), plt.imshow(magnitude_spectrum, cmap='gray')
26+
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
27+
plt.show()
Lines changed: 38 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,38 @@
1+
# -*-coding:utf8-*-#
2+
__author__ = 'play4fun'
3+
"""
4+
create time:15-10-24 下午5:42
5+
6+
现在我们可以 域变换了 我们就可以在 域对图像 一些操 作了 例如 滤波和 建图像 DFT 的 变换 。比如我们可以使用一个 60x60 的矩形窗口对图像 掩模操作从而去 低 分 。然后再使用函数 np.fft.ifftshift() 平移操作 所以现在直流分 又回到左上 了 左 后使用函数 np.ifft2() FFT 变换。同样又得到一堆复杂的数字 我们 可以对他们取绝对值
7+
8+
"""
9+
10+
import cv2
11+
import numpy as np
12+
from matplotlib import pyplot as plt
13+
14+
img = cv2.imread('../data/messi5.jpg', 0)
15+
f = np.fft.fft2(img)
16+
fshift = np.fft.fftshift(f)
17+
18+
rows, cols = img.shape
19+
crow, ccol = int(rows / 2), int(cols / 2)
20+
fshift[crow - 30:crow + 30, ccol - 30:ccol + 30] = 0
21+
f_ishift = np.fft.ifftshift(fshift)
22+
img_back = np.fft.ifft2(f_ishift)
23+
# 取绝对值
24+
img_back = np.abs(img_back)
25+
26+
plt.subplot(131), plt.imshow(img, cmap='gray')
27+
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
28+
plt.subplot(132), plt.imshow(img_back, cmap='gray')
29+
plt.title('Image after HPF'), plt.xticks([]), plt.yticks([])
30+
plt.subplot(133), plt.imshow(img_back)
31+
plt.title('Result in JET'), plt.xticks([]), plt.yticks([])
32+
plt.show()
33+
34+
'''
35+
如果你 察仔细的 尤其是最后一章 JET 色的图像 你会看到一些不 自然的东 如我用红色箭头标出的区域 。看上图 有些条带 的结构 成为振铃效应。
36+
这是由于我们使用矩形窗口做掩模 成的。 个掩模 换 成正弦形状时就会出现 个 。所以一般我们不 用矩形窗口滤波。最好的 择是高斯窗口。
37+
38+
'''

‎ch23-图像变换/fftshift-abs.py‎

Lines changed: 0 additions & 30 deletions
This file was deleted.

‎ch23-图像变换/fftshift.py‎

Lines changed: 0 additions & 21 deletions
This file was deleted.

0 commit comments

Comments
(0)

AltStyle によって変換されたページ (->オリジナル) /