Question

我想在图片上应用滤镜，例如，模糊滤镜[[1/9.0, 1/9.0, 1/9.0], [1/9.0, 1/9.0, 1/9.0], [1/9.0, 1/9.0, 1/9.0]]。

另外，我想使用空间域中的卷积等效于频域中的乘法的方法。

所以，我的算法就像。

加载图片。
创建过滤器。
转换Filter＆amp;图像到频域。
将两者相乘。
将输出重新转换为空间域，这应该是所需的输出。

以下是我使用的基本代码，图像被加载并显示为cv.cvmat对象。

Image是我创作的一个类，它有一个成员图像，它是scipy.matrix的对象，toFrequencyDomain(size = None)使用spf.fftshift(spf.fft2(self.image, size)) spf是{ {1}}和scipy.fftpack使用dotMultiply(img)

scipy.multiply(self.image, image)

所以，如果我告诉OpenCV通过GRAY_SCALE加载图像，那么之前的代码效果很好。

然而，如果我让图像加载颜色...... f = Image.fromMatrix([[1/9.0, 1/9.0, 1/9.0], [1/9.0, 1/9.0, 1/9.0], [1/9.0, 1/9.0, 1/9.0]]) lena = Image.fromFile("Test/images/lena.jpg") print lena.image.shape lenaf = lena.toFrequencyDomain(lena.image.shape) ff = f.toFrequencyDomain(lena.image.shape) lenafm = lenaf.dotMultiplyImage(ff) lenaff = lenafm.toTimeDomain() lena.display() lenaff.display()将为lena.image.shape ..

因此，在使用(512, 512, 3) scipy.fttpack.ftt2时，它会给我一个错误。

我接下来尝试将我的过滤器转换为3-D ..作为

"When given, Shape and Axes should be of same length"

并且，不知道axis参数的作用，我用随机数添加[[[1/9.0, 1/9.0, 1/9.0], [1/9.0, 1/9.0, 1/9.0], [1/9.0, 1/9.0, 1/9.0]], [[1/9.0, 1/9.0, 1/9.0], [1/9.0, 1/9.0, 1/9.0], [1/9.0, 1/9.0, 1/9.0]], [[1/9.0, 1/9.0, 1/9.0], [1/9.0, 1/9.0, 1/9.0], [1/9.0, 1/9.0, 1/9.0]]]，直到它为dotMultiply提供了正确的滤波器输出形状。

但是，当然这不是正确的价值。事情变得更糟。

我的最终试验是在每个组件2-D矩阵上使用fft2函数，然后使用以下代码重新制作3-D矩阵。

(-2, -1, -1), (-1, -1, -2), .. etc.

对我犯错的任何帮助，或者如何为GreyScale和彩色图片实现这一点。

Answer 1

最简单的解决方案是将图像分割成单独的r / g / b图像并单独过滤。

Answer 2

您将在3D矩阵分成三个2D矩阵的末端朝向正确的方向前进。这是我将如何做到的 - 显然这是未经测试的（我没有你的Image课程等），但它应该给你一个良好的开端：

for i, channel in enumerate(self.image):
    channel_ = spf.fftshift(spf.fft2(channel)) # take FFT of each channel (r,g,b) separately
    channel_ = scipy.multiply(channel_,ff) # multiply each channel by the filter (freq. domain)
    filtered_image[:][:][i] = spf.fftshift(spf.ifft2(channel_)) # inverse FFT each channel separately

使用fft2重塑整形RGB滤镜

2 个答案: