这篇文章主要介绍了python如何实现图像的离散傅立叶变换，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

创新互联-专业网站定制、快速模板网站建设、高性价比铁力网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式铁力网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖铁力地区。费用合理售后完善，十多年实体公司更值得信赖。

图像(MxN)的二维离散傅立叶变换可以将图像由空间域变换到频域中去，空间域中用x,y来表示空间坐标，频域由u,v来表示频率，二维离散傅立叶变换的公式如下：

在python中，numpy库的fft模块有实现好了的二维离散傅立叶变换函数，函数是fft2，输入一张灰度图，输出经过二维离散傅立叶变换后的结果，但是具体实现并不是直接用上述公式，而是用快速傅立叶变换。结果需要通过使用abs求绝对值才可以进行可视化，但是视觉效果并不理想，因为傅立叶频谱范围很大，所以要用log对数变换来改善视觉效果。

在使用log函数的时候，要写成log(1 + x) 而不是直接用log(x),这是为了避开对0做对数处理。

另外，图像变换的原点需要移动到频域矩形的中心，所以要对fft2的结果使用fftshift函数。最后也可以使用log来改善可视化效果。

代码如下：

import numpy as np
import matplotlib.pyplot as plt

img = plt.imread('photo.jpg')

#根据公式转成灰度图
img = 0.2126 * img[:,:,0] + 0.7152 * img[:,:,1] + 0.0722 * img[:,:,2]

#显示原图
plt.subplot(231),plt.imshow(img,'gray'),plt.title('original')

#进行傅立叶变换，并显示结果
fft2 = np.fft.fft2(img)
plt.subplot(232),plt.imshow(np.abs(fft2),'gray'),plt.title('fft2')

#将图像变换的原点移动到频域矩形的中心，并显示效果
shift2center = np.fft.fftshift(fft2)
plt.subplot(233),plt.imshow(np.abs(shift2center),'gray'),plt.title('shift2center')

#对傅立叶变换的结果进行对数变换，并显示效果
log_fft2 = np.log(1 + np.abs(fft2))
plt.subplot(235),plt.imshow(log_fft2,'gray'),plt.title('log_fft2')

#对中心化后的结果进行对数变换，并显示结果
log_shift2center = np.log(1 + np.abs(shift2center))
plt.subplot(236),plt.imshow(log_shift2center,'gray'),plt.title('log_shift2center')

运行结果：

根据公式实现的二维离散傅立叶变换如下：

import numpy as np
import matplotlib.pyplot as plt
PI = 3.141591265
img = plt.imread('temp.jpg')

#根据公式转成灰度图
img = 0.2126 * img[:,:,0] + 0.7152 * img[:,:,1] + 0.0722 * img[:,:,2]

#显示原图
plt.subplot(131),plt.imshow(img,'gray'),plt.title('original')

#进行傅立叶变换，并显示结果
fft2 = np.fft.fft2(img)
log_fft2 = np.log(1 + np.abs(fft2))
plt.subplot(132),plt.imshow(log_fft2,'gray'),plt.title('log_fft2')

h , w = img.shape
#生成一个同样大小的复数矩阵
F = np.zeros([h,w],'complex128')
for u in range(h):
 for v in range(w):
  res = 0
  for x in range(h):
   for y in range(w):
    res += img[x,y] * np.exp(-1.j * 2 * PI * (u * x / h + v * y / w))
  F[u,v] = res
log_F = np.log(1 + np.abs(F))
plt.subplot(133),plt.imshow(log_F,'gray'),plt.title('log_F')

直接根据公式实现复杂度很高，因为是四重循环，时间复杂度为 ，所以实际用的时候需要用快速傅立叶变换来实现

感谢你能够认真阅读完这篇文章，希望小编分享的“python如何实现图像的离散傅立叶变换”这篇文章对大家有帮助，同时也希望大家多多支持创新互联成都网站设计公司，关注创新互联成都网站设计公司行业资讯频道，更多相关知识等着你来学习!

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、网站设计器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

网页名称：python如何实现图像的离散傅立叶变换-创新互联
文章分享：http://chengdu.cdxwcx.cn/article/pessi.html