[如何通过傅立叶变换获取有关图像清晰度的信息？ （Python）

Question

我是Matplotlib，Python和FFT的新手。我的任务是通过FFT获取有关图像清晰度的信息，但是我该如何完成呢？我到目前为止所做的：

#getImage:

imgArray2 = Camera.GetImage()
imgArray2 = cv2.flip(imgArray2, 0)
grayImage = Image.fromarray(imgArray2).convert('L')

#Fast Fourier Transformation:
f = np.fft.fft2(grayImage)

#Shift zero frequency to Center
fshift = np.fft.fftshift(f)

#Shows Result of FFT:
#plt.imshow(np.abs(np.log10(fshift)), cmap='gray')

#Try to Plot the result (this code is an example which i tried to modify):
N = 600
T = 1.0 / 800.0

xf = np.linspace(0.0, 1.0 / (2.0 + T), N / 2)

plt.plot(xf, 2.0 / N * np.abs(fshift[:N // 2]))

plt.title('Fourier Transformation')
plt.show()

Answer 1

正如评论所指出的，您正在寻找高频（频率远离2D傅立叶图的中心）。我举一个综合的例子。我添加了一些噪点，使其更类似于真实图像。在第三行中，我在中间显示了一个低通滤波器，将FFT频谱与其右边相乘，然后进行逆变换以在左边获得滤波后的图像。因此，我抑制了图像中的低频，现在仅突出了锐利的部分。尝试使用您的图像。

import numpy as np
import matplotlib.pyplot as p
%matplotlib inline

n=200
x=np.linspace(0,1,n)
y=np.linspace(0,1,n)
X,Y=np.meshgrid(x,y)
z=np.zeros((n,n))
z1= np.sin(2*np.pi*X*5)* np.cos(2*np.pi*Y*20)  +1/20*np.random.random(np.shape(z))

z2=np.copy(z1)
for i in range(30):
    z2[ i*10: 3+i*10, 100+i*3:103+i*3]=2

#Fast Fourier Transformation:
def f(z):
    return np.fft.fftshift(np.fft.fft2(z))



highpass=1-np.exp(- ((X-0.5)**2+(Y-0.5)**2)*5)
print(np.shape(highpass))
f2=f(z2)*highpass
z3= np.absolute( np.fft.ifft2(f2)) 


#Shows Result of FFT:
p.figure(figsize=(15,12))
p.subplot(331)
p.imshow( z1)
p.colorbar()
p.title('soft features only')
p.subplot(333)
p.imshow(np.abs( np.log10(f(z1)) ), cmap='gray')
p.title('see the spatial frequencies +/-5 from center in x, +/-20 in y')
p.colorbar()

p.subplot(334)
p.imshow( z2)
p.colorbar()
p.title('add some sharp feature')
p.subplot(336)
p.imshow(np.abs(np.log10(f(z2))), cmap='gray')
p.title('higher frequencies appear ()')
p.colorbar()

p.subplot(337)
p.imshow(z3)
p.title('only high frequency content survived')
p.colorbar()
p.subplot(338)
p.imshow( highpass)
p.title('highpass, suppresses \n low frequencies')
p.colorbar()
p.subplot(339)
p.imshow( np.log10(np.abs(f(z2)*highpass)), cmap='gray')
p.title('FFT*highpass')
p.colorbar()