[英]Change brightness in frequency domain
我可能不明白频域是如何工作的。 对于一个项目,我必须使用Python更改图像的亮度,而不必在空间域中工作。
目前我可以通过卷积应用一些模糊滤镜,如下例所示:
def arithmeticMeanFilter(self, img):
img = img.convert('RGB')
open_cv_image = np.array(img)
red = open_cv_image[:, :, 0]
green = open_cv_image[:, :, 1]
blue = open_cv_image[:, :, 2]
mean_arithmetic = np.ones((9, 9))*(1/81)
width, height, _ = open_cv_image.shape
kernel1 = np.zeros((width, height))
kernel1[:mean_arithmetic.shape[0], :mean_arithmetic.shape[1]] = mean_arithmetic
kernel1 = np.fft.fft2(kernel1)
im = np.array(red)
fim = np.fft.fft2(im)
Rx = np.real(np.fft.ifft2(kernel1 * fim)).astype(float)
im = np.array(green)
fim = np.fft.fft2(im)
Gx = np.real(np.fft.ifft2(kernel1 * fim)).astype(float)
im = np.array(blue)
fim = np.fft.fft2(im)
Bx = np.real(np.fft.ifft2(kernel1 * fim)).astype(float)
open_cv_image[:, :, 0] = abs(Rx)
open_cv_image[:, :, 1] = abs(Gx)
open_cv_image[:, :, 2] = abs(Bx)
img = Image.fromarray(open_cv_image)
return img
但是如何使用这种技术改变亮度呢?
通过将每个像素乘以常数来实现改变图像中的亮度。
因为傅立叶变换是线性运算 ,所以乘以空间域中的常数相当于乘以频域中的相同常数。
函数F的线性定义为:
aF(x)+ bF(y)= F(ax + by)
根据该等式,很容易显示aF(x)= F(ax) ,或者,如上所述,在一个域中的乘法相当于在另一个域中相乘。
kmario23评论说 ,频域中的乘法是空间域中的卷积。 这是真的。 但是既然我们处理的是常数,事情就会变得简单一点。 在任何情况下,可以看出频域中的常数函数是空间域中的脉冲(或狄拉克三角洲)函数 。 与脉冲函数相关与乘以常数相同。
进入频域以改变亮度是浪费,但如果你已经在那里,你可以这样做。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.