OpenCV示例学习（七）：离散傅里变换（DFT）算子：getOptimalDFTSize(),copyMakeBorder(),magnitude(),log(),normalize()

#include <opencv2/opencv.hpp>using namespace cv;int main(int argc, char *argv[])
{QCoreApplication a(argc, argv);//【1】以灰度模式读取原始图像并显示Mat srcImage = imread("F:/C++/2. OPENCV 3.1.0/TEST/2.jpg", 0);if (!srcImage.data) { printf("读取图片错误，请确定目录下是否有imread函数指定图片存在~！ \n"); return false; }imshow("原始图像", srcImage);//【2】将输入图像延扩到最佳的尺寸，填充边界（用0）// 返回给定向量尺寸的傅里叶最有尺寸大小 m,nint m = getOptimalDFTSize(srcImage.rows);int n = getOptimalDFTSize(srcImage.cols);//将添加的像素初始化为0.// 扩充图像边界：//top +=0；button+=(m - srcImage.rows)//left +=0；right +=(n - srcImage.cols)Mat padded;copyMakeBorder(srcImage, padded, 0, m - srcImage.rows, 0, n - srcImage.cols, BORDER_CONSTANT, Scalar::all(0));//imshow("src",srcImage);//【3】为傅立叶变换的结果(实部和虚部)分配存储空间。// 傅里叶变换的结果是复数，对于每个原图像值，结果会有两个图像值。// 此外，频域范围远远超过空间值范围，因此要将频域储存在 float 格式中。// 多加额外通道储存复数部分。Mat planes[] = { Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F) };Mat complexI;//将planes数组组合合并成一个多通道的数组complexImerge(planes, 2, complexI);//【4】进行就地离散傅里叶变换（输入输出均为同一图像）// 此图像有两个通道，分辨储存dft(complexI, complexI);//【5】将复数转换为幅值M，即// =>M=sqrt(Re(DFT(I))^2 + Im(DFT(I))^2)// 将多通道数组complexI分离成几个单通道数组，// planes[0] = Re(DFT(I), planes[1] = Im(DFT(I))split(complexI, planes);magnitude(planes[0], planes[1], planes[0]);// planes[0] = magnitude//【6】进行对数尺度(logarithmic scale)缩放:// 傅里叶变换幅度值范围大到不适合于屏幕显示（高值白点，低值黑点）// 为了凸显高低值变化的连续性，我们用对数尺度替换线性尺度，即// =>M1=log(1 +M)Mat magnitudeImage = planes[0];magnitudeImage += Scalar::all(1);log(magnitudeImage, magnitudeImage);//求自然对数//【7】剪切和重分布幅度图象限//若有奇数行或奇数列，进行频谱裁剪magnitudeImage = magnitudeImage(Rect(0, 0, magnitudeImage.cols & -2, magnitudeImage.rows & -2));//重新排列傅立叶图像中的象限，使得原点位于图像中心int cx = magnitudeImage.cols / 2;int cy = magnitudeImage.rows / 2;Mat q0(magnitudeImage, Rect(0, 0, cx, cy));   // ROI区域的左上Mat q1(magnitudeImage, Rect(cx, 0, cx, cy));  // ROI区域的右上Mat q2(magnitudeImage, Rect(0, cy, cx, cy));  // ROI区域的左下Mat q3(magnitudeImage, Rect(cx, cy, cx, cy)); // ROI区域的右下//交换象限（左上与右下进行交换）Mat tmp;q0.copyTo(tmp);q3.copyTo(q0);tmp.copyTo(q3);//交换象限（右上与左下进行交换）q1.copyTo(tmp);q2.copyTo(q1);tmp.copyTo(q2);//【8】归一化，用0到1之间的浮点值将矩阵变换为可视的图像格式normalize(magnitudeImage, magnitudeImage, 0, 1, NORM_MINMAX);//【9】显示效果图imshow("频谱幅值", magnitudeImage);waitKey();return a.exec();
}