【免费下载】实验三图像的傅立叶变换

图像处理之傅⾥叶变换图像处理之傅⾥叶变换⼀、傅⾥叶变换傅⾥叶变换的作⽤：⾼频：变化剧烈的灰度分量，例如边界低频：变化缓慢的灰度分量，例如⼀⽚⼤海滤波：低通滤波器：只保留低频，会使得图像模糊⾼通滤波器：只保留⾼频，会使得图像细节增强OpenCV:opencv中主要就是cv2.dft()和cv2.idft()，输⼊图像需要先转换成np.float32 格式。

得到的结果中频率为0的部分会在左上⾓，通常要转换到中⼼位置，可以通过shift变换来实现。

cv2.dft()返回的结果是双通道的（实部，虚部），通常还需要转换成图像格式才能展⽰（0,255）。

import numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread('lena.jpg',0)img_float32 = np.float32(img)dft = cv2.dft(img_float32, flags = cv2.DFT_COMPLEX_OUTPUT)dft_shift = np.fft.fftshift(dft)# 得到灰度图能表⽰的形式magnitude_spectrum = 20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))plt.subplot(121),plt.imshow(img, cmap = 'gray')plt.title('Input Image'), plt.xticks([]), plt.yticks([])plt.subplot(122),plt.imshow(magnitude_spectrum, cmap = 'gray')plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])plt.show()import numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread('lena.jpg',0)img_float32 = np.float32(img)dft = cv2.dft(img_float32, flags = cv2.DFT_COMPLEX_OUTPUT) #时域转换到频域dft_shift = np.fft.fftshift(dft) #将低频部分拉到中⼼处rows, cols = img.shapecrow, ccol = int(rows/2) , int(cols/2) #确定掩膜的中⼼位置坐标# 低通滤波mask = np.zeros((rows, cols, 2), np.uint8)mask[crow-30:crow+30, ccol-30:ccol+30] = 1# IDFTfshift = dft_shift*mask #去掉⾼频部分，只显⽰低频部分f_ishift = np.fft.ifftshift(fshift) #将低频部分从中⼼点处还原img_back = cv2.idft(f_ishift) #从频域逆变换到时域img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1]) #该函数通过实部和虚部⽤来计算⼆维⽮量的幅值plt.subplot(121),plt.imshow(img, cmap = 'gray')plt.title('Input Image'), plt.xticks([]), plt.yticks([])plt.subplot(122),plt.imshow(img_back, cmap = 'gray')plt.title('Result'), plt.xticks([]), plt.yticks([])plt.show()img = cv2.imread('lena.jpg',0)img_float32 = np.float32(img)dft = cv2.dft(img_float32, flags = cv2.DFT_COMPLEX_OUTPUT) dft_shift = np.fft.fftshift(dft)rows, cols = img.shapecrow, ccol = int(rows/2) , int(cols/2) # 中⼼位置# ⾼通滤波mask = np.ones((rows, cols, 2), np.uint8)mask[crow-30:crow+30, ccol-30:ccol+30] = 0# IDFTfshift = dft_shift*maskf_ishift = np.fft.ifftshift(fshift)img_back = cv2.idft(f_ishift)img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1]) plt.subplot(121),plt.imshow(img, cmap = 'gray')plt.title('Input Image'), plt.xticks([]), plt.yticks([])plt.subplot(122),plt.imshow(img_back, cmap = 'gray')plt.title('Result'), plt.xticks([]), plt.yticks([])plt.show()。

实验三、图像的傅立叶变换一、实验目的1了解图像变换的意义和手段；2熟悉傅里叶变换的基本性质；3熟练掌握FFT 的方法及应用；4通过实验了解二维频谱的分布特点；5通过本实验掌握利用MATLAB 编程实现数字图像的傅立叶变换。

二、实验原理1、应用傅立叶变换进行图像处理傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。

通过实验培养这项技能，将有助于解决大多数图像处理问题。

对任何想在工作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶变换上是很有必要的。

2、傅立叶（Fourier ）变换的定义对于二维傅立叶变换，其离散形式如\* MERGEFORMAT (1)所示：\* MERGEFORMAT (1)112001(,)(,)ux vy M N j M N x y F u v f x y eMNπ⎡⎤⎛⎫--- ⎪⎢⎥⎝⎭⎣⎦===∑∑逆变换公式如\* MERGEFORMAT (2)所示：\* MERGEFORMAT (2)11200(,)(,)ux vy M N j M N u v f x y F u v eπ⎡⎤⎛⎫--+ ⎪⎢⎥⎝⎭⎣⎦===∑∑频谱公式如\* MERGEFORMAT (3)所示：\* MERGEFORMAT (3)(,)1222(,)(,)(,)(,)(,)(,)(,)j u v F u v F u v e R u v jI u v F u v R u v I u v ϕ==+⎡⎤=+⎣⎦图像的傅立叶变换与一维信号的傅立叶变换变换一样，有快速算法，具体参见参考书目，有关傅立叶变换的快速算法的程序不难找到。

实际上，现在有实现傅立叶变换的芯片，可以实时实现傅立叶变换。

3、利用MATLAB 软件实现数字图像傅立叶变换的程序设计主要使用的函数有：fft2/ifft2，fftshift ，abs ，angle fft2/ ifft2 %二维离散傅立叶变换/反变换fftshift %直流分量移到频谱中心real %取傅立叶变换的实部imag %取傅立叶变换的虚部sqrt(RR.^2+II.^2);%计算频谱幅值A=（A-min(min(A))）/(max(max(A))-min(min(A)))*255; %归一化三、实验步骤1.打开计算机，安装和启动MATLAB程序；程序组中“work”文件夹中应有待处理的图像文件；2.利用MatLab工具箱中的相关函数编制FFT显示频谱的函数;3.显示一副有格式图像的频谱、中心化后的频谱和相位谱；4.对一副有格式图像进行傅立叶变换，然后再对其进行反变换，显示反变换的结果；5.构造类似图1的一副图像，然后对其旋转60度，分别显示出它们的傅立叶频谱，验证傅立叶变换的旋转不变性。

傅立叶变换1. 实验目的和要求：掌握傅里叶变换的原理，利用相关软件，利用傅里叶变换将图像中的噪音去除，从而达到图像增强的目的。

2. 实验原理：傅里叶变换首先把遥感图像从空间域转换到频率域，然后在频率域上对图像进行滤波处理，减少或消除周期性噪音，再把图像从频率域转换到空间域，达到增强图像的目的。

3. 实验仪器与试剂：Erdas Image；Windows 74. 实验步骤：1. 启动Erdas Image，再在Viewer #1中打开图像TM_1.img，对图像进行预览；2.在图标工具栏上选择，在下拉菜单中选择再在弹出的菜单中选择；3.在弹出的对话框中，进行如下图所示的设置：点击ok，该步骤为将图像从空间域波变为频率波；5. 再选择，在弹出的界面中点击，再进行如下图的设置：6. 6.点击工具菜单中的Mask，在下拉菜单中选择圆形模具即Circular Mas或者k,将图像的角去掉，使图像频率均匀；再使用切形将中央的亮条纹去掉所得如图7. 点击，对图像进行逆变换，对弹出的窗口进行如下设置：点击ok；8. 所得图像如下图所示：总结：傅立叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。

而根据该原理创立的傅立叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。

和傅立叶变换算法对应的是反傅立叶变换算法。

该反变换从本质上说也是一种累加处理，这样就可以将单独改变的正弦波信号转换成一个信号。

即傅立叶变换将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱），可以利用一些工具对这些频域信号进行处理、加工。

最后还可以利用傅立叶反变换将这些频域信号转换成时域信号。

I=imread('mandril_gray.tif');subplot(2,3,1);imshow(I);title('原图');F1=fft2(I); %傅立叶正变换H=abs(F1); %计算频谱幅值H=(H-min(min(H)))/(max(max(H))-min(min(H)))*255; %归一化subplot(2,3,2);imshow(H);title('频谱图');F2=fftshift(H); %中心化J=abs(F2); %计算频谱幅值J=(J-min(min(J)))/(max(max(J))-min(min(J)))*255; %归一化subplot(2,3,3);imshow(J); title('中心化后的频谱图');F3=angle(F1); %求相位K=abs(F3); %计算频谱幅值K=(K-min(min(K)))/(max(max(K))-min(min(K)))*255; %归一化subplot(2,3,4);imshow(K,[0 255]);title('相位谱图');F1=(F1-min(min(F1)))/(max(max(F1))-min(min(F1)))*255; %归一化subplot(2,3,5);imshow(F1);title('傅立叶正变换');F4=ifft2(F1); %傅立叶反变换F4=(F4-min(min(F4)))/(max(max(F4))-min(min(F4)))*255; %归一化subplot(2,3,6);imshow(F4,[0 255]);title('傅立叶反变换');I=zeros(128,128) %生成图形一个128*128的全黑图像Lfor i=38:1:90 %从i=38开始，每次加1，直到i=70，做了32次循环for j=58:1:70 %从i=58开始，每次加1，直到i=90，做了32次循环I(i,j)=255; %赋像素值为255endendSubplot(2,2,1);imshow(I);title('旋转前');tform = maketform('affine',[0.5 -0.866 0; 0.866 0.5 0; 0 0 1]);J = imtransform(I,tform);Subplot(2,2,2);imshow(J);title('旋转后');F1=fft2(I); %傅立叶变换H=abs(F1);H=(H-min(min(H)))/(max(max(H))-min(min(H)))*255; %归一化Subplot(2,2,3);imshow(H);title('旋转前傅立叶变换频谱图');F2=fft2(J);K=abs(F2);K=(K-min(min(K)))/(max(max(K))-min(min(K)))*255; %归一化Subplot(2,2,4);imshow(K);imshow(K);title('旋转后傅立叶变换频谱图');。

计算机与信息工程学院验证性实验报告一、实验目的1了解图像变换的意义和手段；2熟悉傅立叶变换的基本性质； 3熟练掌握FFT 变换方法及应用； 4通过实验了解二维频谱的分布特点；5通过本实验掌握利用MATLAB 编程实现数字图像的傅立叶变换。

6评价人眼对图像幅频特性和相频特性的敏感度。

二、实验原理1 应用傅立叶变换进行图像处理傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。

通过实验培养这项技能，将有助于解决大多数图像处理问题。

对任何想在工作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶变换上是很有必要的。

2 傅立叶（Fourier ）变换的定义对于二维信号，二维Fourier 变换定义为：2()(,)(,)j ux uy F u v f x y e dxdy π∞∞-+-∞-∞=⎰⎰逆变换：2()(,)(,)j ux uy f x y F u v e dudv π∞∞+-∞-∞=⎰⎰二维离散傅立叶变换为：112()001(,)(,)i k N N j mn N Ni k F m n f i k eNπ---+===∑∑逆变换：112()001(,)(,)i k N N j mn N Nm n f i k F m n eNπ--+===∑∑图像的傅立叶变换与一维信号的傅立叶变换变换一样，有快速算法，具体参见参考书目，有关傅立叶变换的快速算法的程序不难找到。

实际上，现在有实现傅立叶变换的芯片，可以实时实现傅立叶变换。

3利用MATLAB软件实现数字图像傅立叶变换的程序：I=imread(‘原图像名.gif’);%读入原图像文件imshow(I); %显示原图像fftI=fft2(I); %二维离散傅立叶变换sfftI=fftshift(fftI); %直流分量移到频谱中心RR=real(sfftI); %取傅立叶变换的实部II=imag(sfftI); %取傅立叶变换的虚部A=sqrt(RR.^2+II.^2); %计算频谱幅值A=（A-min(min(A))）/(max(max(A))-min(min(A)))*225 %归一化figure; %设定窗口imshow(A); %显示原图像的频谱三、实验步骤1．将图像内容读入内存；2．用Fourier变换算法，对图像作二维Fourier变换；3．将其幅度谱进行搬移，在图像中心显示；4．用Fourier系数的幅度进行Fourier反变换；5．用Fourier系数的相位进行Fourier反变换；6．比较4、5的结果，评价人眼对图像幅频特性和相频特性的敏感度。

傅里叶变换实验报告傅里叶变换实验报告引言：傅里叶变换是一种重要的数学工具，广泛应用于信号处理、图像处理、物理学、工程学等领域。

本次实验旨在通过实际操作和数据分析，深入了解傅里叶变换的原理、特性以及应用。

一、实验目的本实验的目的是通过实际操作，掌握傅里叶变换的基本原理，了解其在信号处理中的应用，并能够正确进行频域分析。

二、实验仪器和材料1. 信号发生器2. 示波器3. 计算机4. 傅里叶变换软件三、实验步骤1. 将信号发生器与示波器连接，并设置合适的频率和幅度，产生一个正弦信号。

2. 通过示波器观察并记录原始信号的时域波形。

3. 将示波器输出的信号通过音频线连接到计算机的输入端口。

4. 打开傅里叶变换软件，选择输入信号源为计算机输入端口，并进行采样。

5. 在傅里叶变换软件中，通过选择合适的窗函数、采样频率和采样点数，进行傅里叶变换。

6. 观察并记录变换后的频域波形，并进行分析。

四、实验结果与分析通过实验操作和数据分析，我们得到了信号的时域波形和频域波形。

在时域波形中，我们可以清晰地看到正弦信号的周期性特征，而在频域波形中，我们可以看到信号的频率成分。

傅里叶变换将信号从时域转换到频域，通过分析频域波形，我们可以得到信号的频率成分。

在实验中，我们可以通过改变信号发生器的频率和幅度，观察频域波形的变化，进一步理解傅里叶变换的原理和特性。

此外，傅里叶变换还可以用于信号滤波。

通过观察频域波形，我们可以选择性地去除某些频率成分，从而实现信号的滤波处理。

这在音频处理、图像处理等领域中具有广泛的应用。

五、实验总结本次实验通过实际操作和数据分析，深入了解了傅里叶变换的原理、特性以及应用。

傅里叶变换作为一种重要的数学工具，在信号处理、图像处理等领域中具有广泛的应用前景。

通过本次实验，我们不仅掌握了傅里叶变换的基本原理和操作方法，还深入了解了信号的时域和频域特性。

这对于我们进一步研究和应用傅里叶变换具有重要的意义。

总之，傅里叶变换是一项重要的数学工具，通过实际操作和数据分析，我们可以更好地理解和应用傅里叶变换，为信号处理和图像处理等领域的研究和应用提供有力支持。

图像的频率不同频率信息在图像结构中有不同的作用。

图像的主要成分是低频信息，它形成了图像的基本灰度等级，对图像结构的决定作用较小；中频信息决定了图像的基本结构，形成了图像的主要边缘结构；高频信息形成了图像的边缘和细节，是在中频信息上对图像内容的进一步强化，即高频信息决定图像的分辨率与清晰度。

用傅里叶变换可以得到图像的频谱图：上面的图像左边是原图，右边是频谱图图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。

如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。

对图像而言，图像的边缘部分是突变部分，变化较快，因此反应在频域上是高频分量；图像的噪声大部分情况下是高频部分；图像平缓变化部分则为低频分量。

也就是说，傅立叶变换提供另外一个角度来观察图像，可以将图像从灰度分布转化到频率分布上来观察图像的特征。

图像进行二维傅立叶变换得到频谱图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并不存在一一对应的关系，即使在不移频的情况下也是没有。

傅立叶频谱图上我们看到的明暗不一的亮点，实际是上图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。

图像傅立叶变换的物理意义图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。

如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。

傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的频谱。

从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。

从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。

计算机科学与技术系实验报告专业名称计算机科学与技术 _____课程名称数字图像处理项目名称Matlab 语言、图像的傅里叶变换班级14 计科2班_________学号23 _____________姓名 _______ 卢爱胜______________同组人员张佳佳、王世兜、张跃文_________实验日期 ________________、实验目的与要求：(简述本次实验要求达到的目的，涉及到的相关知识点，实验的具体要求。

)实验目的：1 了解图像变换的意义和手段；2 熟悉傅立叶变换的基本性质；3 熟练掌握FFT 变换方法及应用；4 通过实验了解二维频谱的分布特点；5通过本实验掌握利用MATLABS程实现数字图像的傅立叶变换。

6 评价人眼对图像幅频特性和相频特性的敏感度。

实验要求：应用傅立叶变换进行图像处理傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。

通过实验培养这项技能，将有助于解决大多数图像处理问题。

对任何想在工作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶变换上是很有必要的。

二、实验内容(根据本次实验项目的具体任务和要求，完成相关内容，可包括：实验目的、算法原理、实验仪器、设备选型及连线图、算法描述或流程图、源代码、实验运行步骤、关键技术分析、测试数据与实验结果、其他 )1. 傅立叶( Fourier )变换的定义对于二维信号，二维Fourier 变换定义为：F (u, v) f (x,y)e j2 (ux uy)dxdy逆变换：f (x, y) F (u,v)e j2 (ux uy)dudv二维离散傅立叶变换为：clc;clear alll=imread('Fig0707(a)(Original).'); imshow(l); %title(' 原始图像')fftl=fft2(l); sfftl=fftshift(fftl);RR=real(sfftl); ll=imag(sfftl);% % %%% % 读入原图像文件 显示原图像 二维离散傅立叶变换 直流分量移到频谱中心 取傅立叶变换的实部 取傅立叶变换的虚部 计算频谱幅值A=sqrt(RR.A2+ll.A2); A=(A-mi n(mi n( A)))/(max(max(A))-mi n(mi n( A)))*225;%figure; %imshow(A); %title(' 原始图像的频谱')f1=ifft2(A); %设定窗口 显示原图像的频谱 Fourier 系数的幅度进行 Fourier 系数的相位进行 归一化 Fourier 反变换 Fourier 反变换;d N 1N 1 j2 (m 丄 n 上) F(m, n) —f(i,k)e N NN i o k o 逆变换： d N 1N 1 j2 (m 丄 nl)f(i,k) 1F(m, n)e N NN m 0 n 0 图像的傅立叶变换与一维信号的傅立叶变换变换一样，有快速算法，具体参见参考书目，有关傅立叶变换的快速算法的程序不难找到 傅立叶变换的芯片，可以实时实现傅立叶变换。