使用快速傅里叶变换（FFT）增强图像边缘的方法主要是通过在频域中操作来实现的。下面是一个示例，展示了如何在 C++ 中使用 OpenCV 对图像进行傅里叶变换以增强其边缘。
C++ 代码示例
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
// 函数用于增强图像的边缘
Mat enhanceEdgesUsingFFT(const Mat& inputImage) {
// 确保输入图像为灰度图
Mat grayImage;
if (inputImage.channels() == 3) {
cvtColor(inputImage, grayImage, COLOR_BGR2GRAY);
} else {
grayImage = inputImage.clone();
}
// 将灰度图转换为浮点型
Mat floatImage;
grayImage.convertTo(floatImage, CV_32F);
// 执行快速傅里叶变换
Mat padded; // 为 FFT 做填充，确保大小为2的幂次
int m = getOptimalDFTSize(floatImage.rows);
int n = getOptimalDFTSize(floatImage.cols);
copyMakeBorder(floatImage, padded, 0, m - floatImage.rows, 0, n - floatImage.cols, BORDER_CONSTANT, Scalar(0));
Mat planes[] = { padded, Mat_<float>::zeros(padded.size()) };
Mat complexI;
merge(planes, 2, complexI); // 合并通道到一个复数矩阵
dft(complexI, complexI); // 快速傅里叶变换
// 将频域移动到中心位置（频谱）
split(complexI, planes);
magnitude(planes[0], planes[1], planes[0]); // 获取幅度谱
Mat magnitudeSpectrum = planes[0];
magnitudeSpectrum += Scalar::all(1); // 避免对数运算时出现log(0)
log(magnitudeSpectrum, magnitudeSpectrum); // 对幅度谱取对数
normalize(magnitudeSpectrum, magnitudeSpectrum, 0, 255, NORM_MINMAX);
imshow("Magnitude Spectrum", magnitudeSpectrum);
// 创建高通滤波器（理想高通滤波器）
int centerX = padded.cols / 2;
int centerY = padded.rows / 2;
for (int i = 0; i < padded.rows; i++) {
for (int j = 0; j < padded.cols; j++) {
double distance = sqrt(pow(i - centerY, 2) + pow(j - centerX , 2));
if (distance < 30) { // 设置截止频率阈值
planes[0].at<float>(i,j) = 0; // 在低频区域设为零
planes[1].at<float>(i,j) = 0;
}
}
}
merge(planes, 2, complexI); // 合并回去
idft(complexI ,complexI ); // 傅里叶反变换
split(complexI ,planes);
Mat enhanced_image;
magnitude(planes[0], planes[1], enhanced_image);
normalize(enhanced_image ,enhanced_image ,0 ,255 ,NORM_MINMAX);
enhanced_image.convertTo(enhanced_image,CV_8U);
return enhanced_image; // 返回增强后的图像
}
int main() {
string image_path = "F:AI/Learning/9022625033_K1609563_T001_4_13.jpg";
Mat image = imread(image_path);
if (image.empty()) {
cerr << "Error: Could not open or find the image!" << endl;
return -1;
}
Mat enhancedEdges = enhanceEdgesUsingFFT(image);
imshow("Original Image", image);
imshow("Enhanced Edges using FFT", enhancedEdges);
waitKey(0);
return 0;
}
注意事项：
库依赖：确保你已经安装了 OpenCV，并包含了相关的头文件。
处理流程：
- 读取和预处理：将输入图像转换为灰度，如果是彩色的话。
- 快速傅里叶变换：使用
dft函数计算傅里叶变换，然后获取幅度谱。 - 高通滤波器：构建一个理想的高通滤波器，用于去除低频部分，以增强边缘特征。
- 反向傅里叶变换：使用
idft函数将修改后的频域信息转换回空间域。
参数调整：在创建高通滤波器时，可以根据需要调整截止频率。例如，将
30改成其他值可以改变哪些特征被增强或抑制。显示结果：最后通过 OpenCV 的
imshow()显示原始和增强后的图像。
编译与运行：
请参照之前提供的编译说明。如果是在 Linux 系统下，可以通过命令行执行以下编译命令：
g++ your_code.cpp -o output_program `pkg-config --cflags --libs opencv4`
然后运行生成的可执行文件以查看效果。
内容由零声教学AI助手提供，问题来源于学员提问
