我的目标是在 OpenCV 中获取图像的DFT
。
使用 dft
函数,我能够计算它,然后通过计算它的大小来绘制它(然后,应用对数并最终对其进行归一化,以便绘制介于 0 和 1 之间的值) .
我的结果是,对于下图,我向您展示的结果(为了在图像中心具有较低的频率而进行交换):
但是,如果我将其与使用其他工具(如 Halcon)获得的结果进行比较,这对我来说似乎是不正确的,因为它似乎具有非常“高”的值(我的意思是 OpenCV DFT 幅度):
我认为可能是这些原因:
- DFT(在 OpenCV)和FFT(Halcon)之间的区别
- 我正在执行的操作是为了在 OpenCV 中显示规模。
第一个 有一个问题,我很难分析,而且 OpenCV 没有 FFT 函数,而且 Halcon 没有 DFT 函数(如果我'我当然没有错),所以我不能直接比较它。
第二个是我工作时间最长的一个,但我仍然没有找到原因。
这是我用来绘制 img
(这是我的 DFT 图像)大小的代码:
// 1.- To split the image in Re | Im values
Mat planes[] = {Mat_<float>(img), Mat::zeros(img.size(), CV_32F)};
// 2.- To magnitude + phase
split(img, planes);
// Calculate magnitude. I overwrite it, I know, but this is inside a function so it will be never used again, doesn't matter
magnitude(planes[0], planes[1], planes[0]);
// Magnitude Mat
Mat magI = planes[0];
// 3.- We add 1 to all them in order to perform the log
magI += Scalar::all(1); // switch to logarithmic scale
log(magI, magI);
// 4.- Swap the quadrants to center frequency
magI = magI(Rect(0, 0, magI.cols & -2, magI.rows & -2));
int cx = magI.cols/2;
int cy = magI.rows/2;
Mat q0(magI, Rect(0, 0, cx, cy)); // Top-Left - Create a ROI per quadrant
Mat q1(magI, Rect(cx, 0, cx, cy)); // Top-Right
Mat q2(magI, Rect(0, cy, cx, cy)); // Bottom-Left
Mat q3(magI, Rect(cx, cy, cx, cy)); // Bottom-Right
// swap quadrants (Top-Left with Bottom-Right)
Mat tmp;
q0.copyTo(tmp);
q3.copyTo(q0);
tmp.copyTo(q3);
// swap quadrant (Top-Right with Bottom-Left)
q1.copyTo(tmp);
q2.copyTo(q1);
tmp.copyTo(q2);
// 5.- Normalize
// Transform the matrix with float values into a
// viewable image form (float between values 0 and 1).
normalize(magI, magI, 0, 1, CV_MINMAX);
// Paint it
imshow( "Magnitud DFT", magI);
总结一下:关于为什么我在这两个幅度之间有这种差异有什么想法吗?
最佳答案
我会将我的评论总结成一个答案。
当人们考虑进行傅立叶变换以在逆域中工作时,假设是进行逆变换将返回相同的函数/向量/任何东西。换句话说,我们假设
许多程序和库(例如 Mathematica、Matlab/octave、Eigen/unsupported/FFT 等)都是这种情况。然而,对于许多库( FFTW 、 KissFFT 等),情况并非如此,并且往往存在一定的规模
其中 s
通常是数组中元素的数量 (m
) 的某次幂(如果没有以不匹配的方式缩放,则应为 1变换和逆)。这样做是为了避免迭代所有 m
元素乘以一个比例,通常是 not important .
也就是说,在查看逆域中的尺度时, 缩放变换的各种库可以自由地对变换和逆变换使用不同的尺度。变换/逆的常见缩放对包括 {m^-1
、m
} 和 {m^-0.5
、m^ 0.5
}。因此,当比较来自不同库的结果时,我们应该准备好 m
的因素(按 m^-1
缩放与未缩放),m^0.5
(按 m^-0.5
缩放 vs. 未按 m^-1
缩放和缩放 vs. 按 m^-0.5
缩放>) 或什至其他比例,如果使用其他比例因子的话。
注意:此比例因子不与规范化数组相关,因此所有值都是[0,1]
或者数组的范数等于1。
关于opencv - DFT 和 FFT(幅度)结果之间的差异,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31074932/