函数原型
void log(InputArray src, OutputArray dst);
参数说明
- InputArray类型的src,输入图像,如Mat类型。
- OutputArray类型的dst,输出的对数化图像。
测试代码
#include<iostream> #include<opencv2/opencv.hpp> #include<ctime> using namespace std; using namespace cv; void fftshift(cv::Mat &plane0, cv::Mat &plane1); int main(void) { Mat test = imread("test.jpg", 0); test.convertTo(test, CV_32FC1); //创建通道,存储dft后的实部与虚部(CV_32F,必须为单通道数) cv::Mat plane[] = { test.clone(), cv::Mat::zeros(test.size() , CV_32FC1) }; cv::Mat complexIm; cv::merge(plane, 2, complexIm); // 合并通道 (把两个矩阵合并为一个2通道的Mat类容器) cv::dft(complexIm, complexIm, 0); // 进行傅立叶变换,结果保存在自身 // 分离通道(数组分离) cv::split(complexIm, plane); // 以下的操作是频域迁移 fftshift(plane[0], plane[1]); // 计算幅值 cv::Mat mag,mag_log,mag_nor,mag_log_nor; cv::magnitude(plane[0], plane[1], mag); // 幅值对数化:log(1+m),便于观察频谱信息 mag += Scalar::all(1); cv::log(mag, mag_log); cv::normalize(mag, mag_nor, 1,0, NORM_MINMAX); cv::normalize(mag_log, mag_log_nor, 1, 0, NORM_MINMAX); cv::Mat BLUR; // 再次搬移回来进行逆变换 fftshift(plane[0], plane[1]); cv::merge(plane, 2, BLUR); // 实部与虚部合并 cv::idft(BLUR, BLUR); // idft结果也为复数 BLUR = BLUR / BLUR.rows / BLUR.cols; cv::split(BLUR, plane);//分离通道,主要获取通道 imshow("original", test / 255); imshow("result", plane[0] / 255); waitKey(0); system("pause"); return 0; } // fft变换后进行频谱搬移 void fftshift(cv::Mat &plane0, cv::Mat &plane1) { // 以下的操作是移动图像 (零频移到中心) int cx = plane0.cols / 2; int cy = plane0.rows / 2; cv::Mat part1_r(plane0, cv::Rect(0, 0, cx, cy)); // 元素坐标表示为(cx, cy) cv::Mat part2_r(plane0, cv::Rect(cx, 0, cx, cy)); cv::Mat part3_r(plane0, cv::Rect(0, cy, cx, cy)); cv::Mat part4_r(plane0, cv::Rect(cx, cy, cx, cy)); cv::Mat temp; part1_r.copyTo(temp); //左上与右下交换位置(实部) part4_r.copyTo(part1_r); temp.copyTo(part4_r); part2_r.copyTo(temp); //右上与左下交换位置(实部) part3_r.copyTo(part2_r); temp.copyTo(part3_r); cv::Mat part1_i(plane1, cv::Rect(0, 0, cx, cy)); //元素坐标(cx,cy) cv::Mat part2_i(plane1, cv::Rect(cx, 0, cx, cy)); cv::Mat part3_i(plane1, cv::Rect(0, cy, cx, cy)); cv::Mat part4_i(plane1, cv::Rect(cx, cy, cx, cy)); part1_i.copyTo(temp); //左上与右下交换位置(虚部) part4_i.copyTo(part1_i); temp.copyTo(part4_i); part2_i.copyTo(temp); //右上与左下交换位置(虚部) part3_i.copyTo(part2_i); temp.copyTo(part3_i); }
测试效果
图1 未对数处理
图2 对数处理
从上图可以看出,未对数处理的图像几乎看不出什么规律,这是因为频谱信息中数据变化非常大,对数化是为了让数值的剧烈变化变得平滑,进而便于观察数据的规律和隐藏的信息。
log对数化是图像处理常用的操作哦~
如果文章帮助到你了,可以点个赞让我知道,我会很快乐~加油!