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，会使图像变模糊
·高通滤波器：只保留高频，会使图像细节增强

​ url：https://zhuanlan.zhihu.com/p/19763358

​ ·opencv中主要就是cv2.dft()和cv2.idft()，输入图像需要先转成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），通常还需要转成图像格式才能展示（0，255）

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

img = cv2.imread('face.png',0)

img_float32 = np.float32(img)

dft = cv2.dft(img_float32,flags = cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)        #将低频转到中间
#得到灰度图像能表示的形式
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()