五、c++实现离散傅里叶变换
C++离散傅里叶变换
一、序言:
该教程基于之前的图像处理类MYCV,是对其的补充。
二、设计目标
对图像进行简单的离散傅里叶变换,并输出生成的频谱图。
三、需要提前掌握的知识
二维傅里叶变换公式:
四、详细步骤
1.首先定义一个方法,该方法对输入的图像进行傅里叶变换
输入:MyImage 源图像
输出:ComplexNu 进行离散傅里叶变换后的复数数组
定义:
static ComplexNumber* Dft2(MyImage const &Scr);
实现:
ComplexNumber* MyCV::Dft2(MyImage const &Scr) { int width = Scr.m_width; int height = Scr.m_height; // 将 scr_data 转化为灰度 MyImage *grayimage = Gray(Scr); unsigned char* gray_data = grayimage->m_data; int gray_bytesPerLine = grayimage->m_bytesPerLine; // 将 gray_data 转化为 double 型,并去掉用于填充的多余空间 double *double_data = new double[width*height]; for(int i=;i<height;i++) for(int j=;j<width;j++) { double_data[i*width+j]=(double)gray_data[i*gray_bytesPerLine+j]; } // 对 double_data 进行傅里叶变换 ComplexNumber *dft2_data = new ComplexNumber[width*height]; double fixed_factor_for_axisX = (- * PI) / height; // evaluate -i2π/N of -i2πux/N, and store the value for computing efficiency double fixed_factor_for_axisY = (- * PI) / width; // evaluate -i2π/N of -i2πux/N, and store the value for computing efficiency for (int u = ; u<height; u++) { for (int v = ; v<width; v++) { for (int x = ; x<height; x++) { for (int y = ; y<width; y++) { double powerX = u * x * fixed_factor_for_axisX; // evaluate -i2πux/N double powerY = v * y * fixed_factor_for_axisY; // evaluate -i2πux/N ComplexNumber cplTemp; cplTemp.m_rl = double_data[y + x*width] * cos(powerX + powerY); // evaluate f(x) * e^(-i2πux/N), which is equal to f(x) * (cos(-i2πux/N)+sin(-i2πux/N)i) according to Euler's formula cplTemp.m_im = double_data[y + x*width] * sin(powerX + powerY); dft2_data[v + u*width] = dft2_data[v + u*width] + cplTemp; } } } } // 返回傅里叶数组 return dft2_data; }
2.为了让傅里叶变换可视化,旭阳对其进行标准化和中性化
输入:ComplexNumber 离散傅里叶变换生成的复数数组
输出:MyImage 可视化后的图像
定义:
static MyImage* Dft22MyImage(ComplexNumber *Scr,int width,int height);
实现:
MyImage* MyCV::Dft22MyImage(ComplexNumber *Scr, int const width, int const height) { // 将傅里叶数组归一化 // 取模 double mold[width*height]; for(int i = ;i<width*height;i++) { mold[i] = Scr[i].get_mold(); } // 获取最小值 double min = mold[]; for(int i = ;i<width*height;i++) { if(mold[i]<min) min = mold[i]; } // 获取去掉前几大值的最大值 double maxqueue[] = {.,.,.,.,.,.,.,.,.,.,.,.,.,.,.,.,.,.,.,.},max; for(int i = ;i<width*height;i++){ if(mold[i]>maxqueue[]) maxqueue[] = mold[i]; } for(int j =;j<;j++){ for(int i = ;i<width*height;i++){ if(mold[i]>maxqueue[j]&&mold[i]<maxqueue[j-]) maxqueue[j] = mold[i]; } } max = maxqueue[]; unsigned char *normalized_data = new unsigned char[width*height]; for(int i=;i<height;i++) for(int j=;j<width;j++) { unsigned char t = (unsigned char)((mold[i*width+j]-min)/(max-min)*); if(t>) t = ; normalized_data[i*width+j]=t; } // 将图像中心化 unsigned char* center_data = new unsigned char[width*height]; for (int u = ; u<height; u++) { for (int v = ; v<width; v++) { if ((u<(height / )) && (v<(width / ))) { center_data[v + u*width] = normalized_data[width / + v + (height / + u)*width]; } else if ((u<(height / )) && (v >= (width / ))) { center_data[v + u*width] = normalized_data[(v - width / ) + (height / + u)*width]; } else if ((u >= (height / )) && (v<(width / ))) { center_data[v + u*width] = normalized_data[(width / + v) + (u - height / )*width]; } else if ((u >= (height / )) && (v >= (width / ))) { center_data[v + u*width] = normalized_data[(v - width / ) + (u - height / )*width]; } } } // 向中心化的数组填充空间 int bytesPerLine = (width*+)/*; unsigned char *dst_data = new unsigned char[bytesPerLine*height]; for(int i=;i<height;i++) for(int j=;j<width;j++) { dst_data[i*bytesPerLine+j] = center_data[i*width+j]; } return new MyImage(dst_data,width,height,MyImage::format::GRAY8); }
至此,离散傅里叶变换的方法实现完成,效果图如下:
如果上述教程或代码中有任何错误,欢迎批评和指证。
五、c++实现离散傅里叶变换的更多相关文章
- 离散傅里叶变换(DFT)
目录 一.研究的意义 二.DFT的定义 三.DFT与傅里叶变换和Z变换的关系 四.DFT的周期性 五.matlab实验 五.1 程序 ...
- opencv3.2.0图像离散傅里叶变换
源码: ##名称:离散傅里叶变换 ##平台:QT5.7.1+opencv3.2.0 ##日期:2017年12月13. /**** 新建QT控制台程序****/ #include <QCoreAp ...
- c语言数字图像处理(六):二维离散傅里叶变换
基础知识 复数表示 C = R + jI 极坐标:C = |C|(cosθ + jsinθ) 欧拉公式:C = |C|ejθ 有关更多的时域与复频域的知识可以学习复变函数与积分变换,本篇文章只给出DF ...
- Opencv 实现图像的离散傅里叶变换(DFT)、卷积运算(相关滤波)
我是做Tracking 的,对于速度要求非常高.发现傅里叶变换能够使用. 于是学习之. 核心: 最根本的一点就是将时域内的信号转移到频域里面.这样时域里的卷积能够转换为频域内的乘积! 在分析图像信号的 ...
- opencv 3 core组件进阶(3 离散傅里叶变换;输入输出XML和YAML文件)
离散傅里叶变换 #include "opencv2/core/core.hpp" #include "opencv2/imgproc/imgproc.hpp" ...
- 用matlab脚本语言写M文件函数时用三种方法简单实现实现DFT(离散傅里叶变换)
%用二重循环实现DFT: function xk=dt_0(xn); %define a function N=length(xn); %caculate the length of the vari ...
- 灰度图像--频域滤波 傅里叶变换之离散傅里叶变换(DFT)
学习DIP第23天 转载请标明本文出处:http://blog.csdn.net/tonyshengtan,欢迎大家转载,发现博客被某些论坛转载后,图像无法正常显示,无法正常表达本人观点,对此表示很不 ...
- 【转】离散傅里叶变换-DFT(FFT)基础
转:https://blog.csdn.net/zhangxz259/article/details/81627341 什么是离散傅里叶变换 matlab例子 本文是从最基础的知识开始讲解,力求用最通 ...
- OpenCV离散傅里叶变换
离散傅里叶变换 作用:得到图像中几何结构信息 结论:傅里叶变换后的白色部分(即幅度较大的低频部分),表示的是图像中慢变化的特性,或者说是灰度变化缓慢的特性(低频部分). 傅里叶变换后的黑色部分(即幅度 ...
随机推荐
- 移除KVO的风险
为之前项目添加一个功能用到了一个开源库XMTextView,然后运行报错提示: 显示没有注册一个叫font的观察者,所以闪退.但是我的UITextView没有添加观察者呀,怎么会删除呢? 原来是由分类 ...
- thinkphp5命令行访问
入口文件后加一个空格就行了 1,首先cd到站点目录public下,我的入口文件是默认的index.php,然后执行以下命令, 2,php要加入环境变量 访问index模块下的index控制器下的tes ...
- day02笔记
1.linux环境配置阿里云yum源 linux软件包管理之 yum工具(如同pip3工具) pip3是管理python模块的工具,自动解决模块依赖,降低开发人员心智负担 pip3 install f ...
- angular中使用canvas画布做验证码
//填充画布,五位随机数 drawNumber(): void { this.clearCanvas(); let ctx: CanvasRenderingContext2D = this.myGra ...
- NetworkUtils
import java.io.IOException; import javax.servlet.http.HttpServletRequest; import org.apache.log4j.Lo ...
- 安装pywin32出现--Python version 3.x required, which was not found in the registry
这两天安装pywin32时出现了这个问题 双击.exe文件进入安装界面,然后点击下一步,它会自动定位你的python安装在什么地方,但是我的安装过程中未自动定位到python安装位置,并显示显示: 安 ...
- Android的网络通信
Android平台有三种网络接口可以使用,他们分别是:java.net.*(标准Java接口).Org.apache接口和Android.net.*(Android网络接口).大多数的Android应 ...
- UVALive - 4223(hdu 2926)
---恢复内容开始--- 题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=2962 Trucking Time Limit: 20000/10000 MS ...
- Python2.7编程基础(博主推荐)
不多说,直接上干货! 见 http://www.runoob.com/python/python-tutorial.html
- Storm概念学习系列之Storm与Hadoop的角色和组件比较
不多说,直接上干货! Storm与Hadoop的角色和组件比较 Storm 集群和 Hadoop 集群表面上看很类似.但是 Hadoop 上运行的是 MapReduce 作业,而在 Storm 上运行 ...