python?opencv圖像的高通濾波和低通濾波的示例代碼

更新時間：2022年06月23日 14:23:10 作者：白羊by

這篇文章主要介紹了python?opencv圖像的高通濾波和低通濾波,本文通過實例代碼給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下

前言

上一章我們說明了如何將圖像機娘傅里葉變換，將圖像由時域變換成頻域，并將低頻移動至圖像中心。那么將低頻移動中心后，就可以將圖像的低頻和高頻分開，從而進行低通濾波和高通濾波的處理。

完整代碼

低通濾波

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

# cv2.imread()在讀取圖像的時候，默認的是讀取成RGB圖像,cv2.IMREAD_GRAYSCALE將以灰度圖的形式讀取
img = cv2.imread('./moon.jpg', flags = cv2.IMREAD_GRAYSCALE)  
# 將圖像除以255是為了將圖像向數(shù)字準換成fioat32數(shù)據(jù)
img1 = img/255 
# 進行傅里葉變換，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
# 圖像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(qū)域的低頻部分為1，其余部分為0
mask[h2-50:h2+50,w2-50:w2+50] = 1  

# 低頻部分保留，其余部分*0被濾掉
dft_shift*=mask  
# 傅里葉逆變換，頻域——>時域
ifft_shift2 = np.fft.ifftshift(dft_shift)  
result = cv2.idft(ifft_shift2)

# 創(chuàng)建顯示窗口，顯示原圖
plt.figure(figsize=(12,9))
plt.subplot(121)
plt.imshow(img, cmap = 'gray')

# 創(chuàng)建顯示窗口，顯示低通濾波后的圖像
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(qū)別在于，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()在讀取圖像的時候，默認的是讀取成RGB圖像,cv2.IMREAD_GRAYSCALE將以灰度圖的形式讀取
img = cv2.imread('./moon.jpg', flags = cv2.IMREAD_GRAYSCALE)  
# 將圖像除以255是為了將圖像向數(shù)字準換成fioat32數(shù)據(jù)
img1 = img/255 
# 進行傅里葉變換，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
# 圖像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(qū)域的低頻部分為0，其余高頻部分為1
dft_shift[h2-5:h2+5,w2-5:w2+5] = 0
# 傅里葉逆變換，頻域——>時域
ifft_shift2 = np.fft.ifftshift(dft_shift)  
result = cv2.idft(ifft_shift2)

# 創(chuàng)建顯示窗口，顯示原圖
plt.figure(figsize=(12,9))
plt.subplot(121)
plt.imshow(img, cmap = 'gray')

# 創(chuàng)建顯示窗口，顯示低通濾波后的圖像
plt.subplot(122)
plt.imshow(result[:,:,0], cmap='gray')
plt.show()