本文是《OpenCV实战从入门到精通》系列之第21篇

扫描二维码关注公众号，回复： 9413442 查看本文章

【OpenCV】OpenCV实战从入门到精通之十二 -- 教你如何使用指针访问像素

【OpenCV】OpenCV实战从入门到精通之十三 -- 教你如何使用迭代器访问像素

【OpenCV】OpenCV实战从入门到精通之十四 -- 教你如何使用动态地址运算配合at访问元素

【OpenCV】OpenCV实战从入门到精通之十五 -- 教你如何对ROI区域进行叠加

【OpenCV】OpenCV实战从入门到精通之十六 -- 教你如何对ROI图像通过线性混合进行操作

【OpenCV】OpenCV实战从入门到精通之十七 -- 教你如何分离颜色通道

【OpenCV】OpenCV实战从入门到精通之十八 -- 教你如何防止颜色溢出对图像进行保护

【OpenCV】OpenCV实战从入门到精通之十九 -- 教你如何创建Trackbar图像对比度、亮度值调整

【OpenCV】OpenCV实战从入门到精通之二十 -- 教你深入理解离散傅里叶变换

本文是《OpenCV实战从入门到精通》系列之第21篇

一些准备的知识：

1. getOptimalDFTSize：

下一步就是使用这些知识去进行dft（），然后看操作结果！

dft函数的作用是对一维或者二维浮点数数组进行正向或反向离散傅里叶变换

void dft(InputArray src,OutputArray dst,int flags =0,int nonzeroRows=0)

第一个参数：InputArray类型的src。输入矩阵，可以为实数或者虚数
第二个参数：OutputArray类型的dst。函数调用后的运算结果存在这里，其尺寸和类型取决于标识符，也就是第三个参数flags
第三个参数：int类型的flags。转换的标识符，有默认值0，取值可以为为下表：

第四个参数：int类型的nonzeroRows，默认值为0.当此参数设为非零是，函数会假设只有输入矩阵的第一个非零行包含非零元素，或只有输出矩阵的一个非零行包含非零元素。

一些准备的知识：

1. getOptimalDFTSize：

功能：返回给定向量尺寸的傅里叶最优尺寸大小，意思就是为了提高离散傅立叶变换的运行速度，需要扩充图像，需要扩充多少，就由这个函数计算得到。

int getOptimalDFTSize(int vecsize)

使用举例子：

//输入图像延扩到最佳的尺寸，边界用0补充
int height = getOptimalDFTSize( srcImage.rows );
int width  = getOptimalDFTSize( srcImage.cols );

2. copyMakeBorder：

功能：扩充图像边界，为什么扩充？因为尺寸是2、3、5时计算速度会很快，所以要扩充

void copyMakeBorder(InputArray src, OutputArray dst, int top, int bottom,int left, int right, int borderType, const Scalar& value=Scalar() )

src ：原图像.
dst ：输出图像，和src有同样的类型，并且size应该是(src.cols+left+right,src.rows+top+bottom)
top 、bottom、left 、right ：这四个参数风别表示在源图像的四个方向上分别扩充多少像素，例如top=1, bottom=1, left=1, right=1 意味着在源图像的上下左右各扩充一个像素宽度的边界。
borderType – 边界类型
value – 边界值，如果borderType==BORDER_CONSTANT .

使用举例子：

//将添加的像素初始化为0.
Mat padded;  
copyMakeBorder(srcImage, padded, 0, m - srcImage.rows, 0, n - srcImage.cols, BORDER_CONSTANT, Scalar::all(0));

3. magnitude：

功能：计算幅度

void magnitude(InputArray x, InputArray y, OutputArray magnitude)

x：x的坐标，实部

y：y的坐标，虚部，size和x一样

magnitude：输出图像，和x有同样的size和type

原理如下：

$\texttt{dst} (I) = \sqrt{\texttt{x}(I)^2 + \texttt{y}(I)^2}$

4. log：

功能：对数组的每一个元素取自然对数

void log(InputArraysrc, OutputArray dst)

src：输入图像

dst：输出图像

原理如下：

$\texttt{dst} (I) = \fork{\log |\texttt{src}(I)|}{if $\texttt{src}(I) \ne 0$ }{\texttt{C}}{otherwise}$

C是一个很大的负数

5.normalize：

功能：矩阵归一化

void normalize(InputArray src, OutputArraydst, double alpha=1, double beta=0, int norm_type=NORM_L2, int dtype=-1,InputArray mask=noArray() )

src：输入矩阵

dst：输出矩阵

alpha：归一化后的最大值，默认值1

beta：归一化后的最小值，默认值0

norm_type：归一化类型，有NORM_INF, NORM_L1, NORM_L2和NORM_MINMAX

dtype: 默认-1，负值时，输出矩阵与src同样类型，否则它和src有同样通道数，且图像深度为CV_MAT_DEPTH（dtype）

mask：掩膜，默认值noArray()

以上是所有的基本准备知识！

下一步就是使用这些知识去进行dft（），然后看操作结果！

人工智能博士博客专家

发布了394 篇原创文章 · 获赞 562 · 访问量 48万+

他的留言板关注

【OpenCV】OpenCV实战从入门到精通之二十一 -- 带你学习离散傅里叶变换有哪几个重要函数应用

本文是《OpenCV实战从入门到精通》系列之第21篇

一些准备的知识：

1. getOptimalDFTSize：

2. copyMakeBorder：

3. magnitude：

4. log：

5.normalize：

以上是所有的基本准备知识！

下一步就是使用这些知识去进行dft（），然后看操作结果！

猜你喜欢