python opencv影象的高通濾波和低通濾波的範例程式碼

2022-06-23 14:00:21

前言

上一章我們說明了如何將影象機娘傅立葉變換，將影象由時域變換成頻域，並將低頻移動至影象中心。那麼將低頻移動中心後，就可以將影象的低頻和高頻分開，從而進行低通濾波和高通濾波的處理。

完整程式碼

低通濾波

import cv2
import numpy as np
import matplotlib.pyplot as plt

# cv2.imread()在讀取影象的時候，預設的是讀取成RGB影象,cv2.IMREAD_GRAYSCALE將以灰度圖的形式讀取
img = cv2.imread('./moon.jpg', flags = cv2.IMREAD_GRAYSCALE)  
# 將影象除以255是為了將影象向數位準換成fioat32資料
img1 = img/255 
# 進行傅立葉變換，時域——>頻域
dtf = cv2.dft(img1, flags = cv2.DFT_COMPLEX_OUTPUT)  
# 移動低頻波到中心位置
dft_shift = np.fft.fftshift(dtf)  

# 低通濾波
h,w = img.shape
# 影象中心點即低頻波所在位置
h2, w2 = h//2, w//2  
mask = np.zeros((h,w,2), dtype=np.uint8)
# 選取長寬為100的區域的低頻部分為1，其餘部分為0
mask[h2-50:h2+50,w2-50:w2+50] = 1  

# 低頻部分保留，其餘部分*0被濾掉
dft_shift*=mask  
# 傅立葉逆變換，頻域——>時域
ifft_shift2 = np.fft.ifftshift(dft_shift)  
result = cv2.idft(ifft_shift2)

# 建立顯示視窗，顯示原圖
plt.figure(figsize=(12,9))
plt.subplot(121)
plt.imshow(img, cmap = 'gray')

# 建立顯示視窗，顯示低通濾波後的影象
plt.subplot(122)
plt.imshow(result[:,:,0], cmap='gray')
plt.show()

高通濾波

高通濾波和低通濾波的主要區別在於，低通濾波是保留中心的低頻波去除高頻波，高通濾波是去除中心的低頻波保留高頻波。

import cv2
import numpy as np
import matplotlib.pyplot as plt

# cv2.imread()在讀取影象的時候，預設的是讀取成RGB影象,cv2.IMREAD_GRAYSCALE將以灰度圖的形式讀取
img = cv2.imread('./moon.jpg', flags = cv2.IMREAD_GRAYSCALE)  
# 將影象除以255是為了將影象向數位準換成fioat32資料
img1 = img/255 
# 進行傅立葉變換，時域——>頻域
dtf = cv2.dft(img1, flags = cv2.DFT_COMPLEX_OUTPUT)  
# 移動低頻波到中心位置
dft_shift = np.fft.fftshift(dtf)

# 高通濾波
h,w = img.shape
# 影象中心點即低頻波所在位置
h2, w2 = h//2, w//2  # 中心點
# 選取長寬為100的區域的低頻部分為0，其餘高頻部分為1
dft_shift[h2-5:h2+5,w2-5:w2+5] = 0
# 傅立葉逆變換，頻域——>時域
ifft_shift2 = np.fft.ifftshift(dft_shift)  
result = cv2.idft(ifft_shift2)

# 建立顯示視窗，顯示原圖
plt.figure(figsize=(12,9))
plt.subplot(121)
plt.imshow(img, cmap = 'gray')

# 建立顯示視窗，顯示低通濾波後的影象
plt.subplot(122)
plt.imshow(result[:,:,0], cmap='gray')
plt.show()