计算机视觉
图像处理

基础学习笔记之opencv(15):离散傅里叶变换

本文主要介绍怎样使用Opencv来对图片进行傅里叶变换,其核心函数是opencv自带的dft()。DFT这个技术手段是将空间域映射到频率域中去,在图像处理有着举足轻重的地位。这里我们只是得到其变换的结果并看看贫域图有什么特点。
开发环境:opencv2.4.2+Qt4.8.2+ubuntu12.04+QtCreator2.5
实验功能:
单击Open Image按钮,手动选择打开一副图片,不管其是否是彩色图片,这里统一将其转换成灰度图像显示,因为需要加快DFT运算速度。
将鼠标移动到图片显示区域,单击图片,这时会显示DFT中间结果图,也就是没有将低频域的点移动到图片的中心而已。显示的图片有文字提示。
继续单击图片,会显示最后重新布局后的DFT结果图,当然也有相应的文字提示。
继续单击图片时,则原图,dft未调整图,dft调整图这3幅图片会进行轮流切换显示。
如果没有打开图片就在图片显示区域单击,则会在图片显示区域显示相应的提示文字,提示需先打开图片。

实验说明:
1维的离散序列的DFT变换公式为:


2维的离散矩阵的DFT变换公式为:


QTextBrowser中怎样相应鼠标单击事件呢?
用QTextBrowser来显示图片(不用显示文本),当图片显示好了后想单击该图片转到某一个图像处理过程函数中去(这里就是进行离散傅里叶变换),但是在QTextBrowser的singal/slot中找不到其对应的鼠标单击的信号。因此只能自己写该信号函数了,可是对应捕捉鼠标单击的函数库中应该有,那该怎么写呢?网上有篇不错的文章:http://www.embedu.org/Column/Column421.htm
仿照上面的文章,自己重新写一个类MyTextBrowser,从基类QTextBrowser中继承而来,然后重写该类的mousePressEvent函数,其实类似这样的函数是系统提供的,有点类似MFC中的消息响应机制,在该函数中发出信号即可。这样当鼠标按下时,就发出了一个clicked()的信号,然后在主界面中响应该信号对应的槽函数就ok了。
当要使用新建的MyTextBrowser类代替原先的QTextBrowser时,只需打开.ui设计文件,在Object栏中找到对应的object,然后右键选择进入Promoted Widgets,add一个MyTextBrwoser即可。
int getOptimalDFTSize(int vecsize)
该函数是为了获得进行DFT计算的最佳尺寸。因为在进行DFT时,如果需要被计算的数字序列长度vecsize为2的n次幂的话,那么其运行速度是非常快的。如果不是2的n次幂,但能够分解成2,3,5的乘积,则运算速度也非常快。这里的getOptimalDFTSize()函数就是为了获得满足分解成2,3,5的最小整数尺寸。很显然,如果是多维矩阵需要进行DFT,则每一维单独用这个函数获得最佳DFT尺寸。
void copyMakeBorder(InuptArray src, OutputArray dst, int top , int bottom, int left, int right, int borderType, const Scalar& value=Scalar())
该函数是用来扩展一个图像的边界的,第3~6个参数分别为原始图像的上下左右各扩展的像素点的个数,第7个参数表示边界的类型,如果其为BORDER_CONSTANT,则扩充的边界像素值则用第8个参数来初始化。将src图像扩充边界后的结果保存在dst图像中。
merge()函数是把多个但通道数组连接成1个多通道数组,而split()函数则相反,把1个多通道函数分解成多个但通道函数。
Void magnitude(InputArray x, InputArray y, OutPutArray magnitude)
该函数是计算输入矩阵x和y对应该的每个像素平方求和后开根号保存在输出矩阵magnitude中。
函数log(InputArray src, OutputArray dst)是对输入矩阵src中每个像素点求log,保存在输出矩阵dst的相对应的位置上。
因为Qt中显示图片,如果图片类型为亮度图像,即其像素值为0~1之间,则显示出来的是全黑的图像。所以为了似图片显示正常,必须全部扩大255被,使之在0~255之间。当然了,如果是opencv自带的imshow()函数,对于这样的值在0~1之间图像它会自动识别,并且有个术语称之为亮度图像。

实验结果:
打开一张图片,并灰度显示如下:


DFT中间结果图,未重新排列的效果:


DFT最终排列后的效果图:


如果没有打开图片单击图片显示区域,提示如下:


实验主要部分代码及其注释(附录有工程code下载链接地址):
MainWindo.cpp:  #include "mainwindow.h"
#include "ui_mainwindow.h"

#include
#include

using namespace std;

MainWindow::MainWindow(QWidget *parent) :
    QMainWindow(parent),
    ui(new Ui::MainWindow)
{
    ui->setupUi(this);
    ui->textBrowser->setFont( QFont("Times New Roman", 30) );

    display_num = 0;
    QObject::connect( ui->textBrowser, SIGNAL(clicked()), this, SLOT(on_mytextBrowser_clicked()) );
}

MainWindow::~MainWindow()
{
    delete ui;
}

void MainWindow::on_openButton_clicked()
{
    /*读入图片并显示,将图片以灰度形式读入*/
    QString img_name = QFileDialog::getOpenFileName( this, "Open Image", "../dft", tr("Image Files(*.png *.jpg *.bmp *.jpeg)") );
    src = imread( img_name.toAscii().data(), CV_LOAD_IMAGE_GRAYSCALE );
    src.copyTo( src_1 );
    //
    putText( src_1, "The original image:", Point(0, 50), 2, 1, Scalar::all(0), 2 );
    imwrite( "../dft/src_1.jpg", src_1 );
    ui->textBrowser->setFixedHeight( src.rows );
    ui->textBrowser->setFixedWidth( src.cols );
    ui->textBrowser->clear();
    ui->textBrowser->append( "" );

    display_num = 1;
}

void MainWindow::on_closeButton_clicked()
{
    close();
}

void MainWindow::on_mytextBrowser_clicked()
{
    display_num ++;

    //扩展成为DFT最佳运算尺寸;
    Mat padded;
    int opw = getOptimalDFTSize( src.cols );
    int oph = getOptimalDFTSize( src.rows );
    copyMakeBorder( src, padded, 0, oph-src.rows, 0, opw-src.cols, BORDER_CONSTANT, Scalar::all(0) );

    //为计算出的虚数增加1个通道
    Mat planes[] = {Mat_(padded), Mat::zeros(padded.size(), CV_32F)};
    Mat complexI;
    merge( planes, 2, complexI );

    dft( complexI, complexI );//支持图像原地计算,调用opencv的dtf函数进行DFT计算

    //得到赋值图像,取了对数
    split( complexI, planes );
    magnitude( planes[0], planes[1], planes[0] );
    Mat log_img = planes[0];
    log_img += Scalar::all(1);
    cv::log( log_img, log_img );
    log_img = log_img(Rect(0, 0, log_img.cols & -2, log_img.rows & -2 ));

    //DFT结果
    dst = log_img.clone();
    cv::normalize( dst, dst, 0, 1, CV_MINMAX );
    dst =  255.*dst;

    if( 1 == display_num )
    {
        if( src.empty() )
        {
            ui->textBrowser->setTextColor( Qt::red );
            ui->textBrowser->append("Please open one image first!");
        }
        else
        {
            ui->textBrowser->clear();
            ui->textBrowser->append( "");
        }
    }
    else if( 2 == display_num )
    {
        /*7. 因为Qt中显示图片,如果图片类型为亮度图像,即其像素值为0~1之间,则显示出来的是全黑的图像。
         *所以为了似图片显示正常,必须全部扩大255被,使之在0~255之间。当然了,如果是opencv自带的imshow()函数,
         *对于这样的值在0~1之间图像它会自动识别,并且有个术语称之为亮度图像。*/
        dst.copyTo( dst_1 );
        putText( dst_1, "DFT without rearranged image:", Point(0, 50), 3, 0.8, Scalar::all(0), 2 );

        imwrite( "../dft/dst_1.jpg", dst_1 );
        ui->textBrowser->clear();
        ui->textBrowser->append( "" );
    }
    else if( 3 == display_num )
    {
        display_num = 0;//原图,dft未调整图,dft调整图3幅图片进行轮流切换。

        dst.copyTo( dst_2 );
        int cx = dst_2.cols/2;
        int cy = dst_2.rows/2;
        Mat q0( dst_2, Rect(0, 0, cx, cy) );
        Mat q1( dst_2, Rect(cx, 0, cx, cy) );
        Mat q2( dst_2, Rect(0, cy, cx, cy) );
        Mat q3( dst_2, Rect(cx, cy, cx, cy) );

        Mat temp;
        //因为是共用数据的,所以下面的q0,q1,q2,q3的改变也会导致dst_2的改变。
        q0.copyTo( temp );
        q3.copyTo( q0 );
        temp.copyTo( q3 );

        q1.copyTo( temp );
        q2.copyTo( q1 );
        temp.copyTo( q2 );

        putText( dst_2, "DFT with rearranged image", Point(0, 50), 1, 2, Scalar::all(0), 2, 8 );
        imwrite( "../dft/dst_2.jpg", dst_2 );
        ui->textBrowser->clear();
        ui->textBrowser->append( "" );
    }

}
mytextbrowser.cpp:  #include "mytextbrowser.h"

MyTextBrowser::MyTextBrowser(QWidget *parent) :
    QTextBrowser(parent)
{
    this->setMouseTracking( true );
}

void MyTextBrowser::mousePressEvent(QMouseEvent *ev)
{
 //   this->setCursor( Qt::PointingHandCursor );//设置光标的形状为手型。但感觉貌似不起作用
    emit this->clicked();
}

void MyTextBrowser::mouseMoveEvent(QMouseEvent *ev)
{
  //  this->setCursor( Qt::SizeAllCursor );//设置光标的形状为手型。

实验总结:
通过本次实验,对Qt中的信号与槽机制有了更深入的认识。另外对图像的DFT计算有了进一步的理解。
附:工程code下载

转载注明来源:CV视觉网 » 基础学习笔记之opencv(15):离散傅里叶变换

分享到:更多 ()
扫描二维码,给作者 打赏
pay_weixinpay_weixin

请选择你看完该文章的感受:

1不错 0超赞 0无聊 0扯淡 0不解 0路过

评论 3

评论前必须登录!