C++ 用DFT进行卷积
我使用下面的代码计算图像与指定内核的卷积(在我的例子中是高斯核)。每次我得到一个不同的结果,结果图像甚至不接近我在空间域卷积得到的结果图像。首先,我认为问题在于图像的数据类型。我将它们改为32和64,但结果仍然相同。有谁能告诉我出了什么问题吗 上面这个函数给了我一个黑色的图像。我有灰度输入C++ 用DFT进行卷积,c++,opencv,fft,convolution,dft,C++,Opencv,Fft,Convolution,Dft,我使用下面的代码计算图像与指定内核的卷积(在我的例子中是高斯核)。每次我得到一个不同的结果,结果图像甚至不接近我在空间域卷积得到的结果图像。首先,我认为问题在于图像的数据类型。我将它们改为32和64,但结果仍然相同。有谁能告诉我出了什么问题吗 上面这个函数给了我一个黑色的图像。我有灰度输入 void convol_fft(const Mat& A,const vector<vector<float>>& kernel2d,Mat& result)
void convol_fft(const Mat& A,const vector<vector<float>>& kernel2d,Mat& result)
{
Mat B = Mat(3,3,CV_64F);
for (int row = 0; row < kernel2d.size(); row++)
for (int col = 0; col < kernel2d[row].size(); col++){
B.at<uchar>(row,col) = (uchar)kernel2d[row][col];
}
int dft_M = getOptimalDFTSize( A.rows+B.rows-1 );
int dft_N = getOptimalDFTSize( A.cols+B.cols-1 );
Mat dft_A = Mat::zeros(dft_M, dft_N, CV_64F);
Mat dft_B = Mat::zeros(dft_M, dft_N, CV_64F);
Mat dft_A_part = dft_A(Rect(0, 0, A.cols,A.rows));
A.convertTo(dft_A_part, dft_A_part.type(), 1, -mean(A)[0]);
Mat dft_B_part = dft_B(Rect(0, 0, B.cols,B.rows));
B.convertTo(dft_B_part, dft_B_part.type(), 1, -mean(B)[0]);
dft(dft_A, dft_A, 0, A.rows);
dft(dft_B, dft_B, 0, B.rows);
// set the last parameter to false to compute convolution instead of correlation
mulSpectrums( dft_A, dft_B, dft_A, 0, false );
idft(dft_A, dft_A, DFT_SCALE, A.rows + B.rows - 1 );
result = dft_A(Rect(0, 0, A.cols + B.cols - 1, A.rows + B.rows - 1));
normalize(result, result, 0, 1, NORM_MINMAX, result.type());
pow(result, 3., result);
// B ^= Scalar::all(255);
}
void convolal\u fft(常数矩阵与A、常数向量与核2D、矩阵与结果)
{
材料B=材料(3,3,CV_64F);
对于(int row=0;row
我不确定OpenCV……但这看起来可疑
for (int row = 0; row < kernel2d.size(); row++)
for (int col = 0; col < kernel2d[row].size(); col++){
B.at<uchar>(row,col) = (uchar)kernel2d[row][col];
}
for(int row=0;row
如果要填充B内核,则该行应为kernel2d[col].size()。看起来您正在溢出B内核。kernel2d.size()的值是多少
为什么不直接加载这些值呢?保存所有函数调用
对于高斯核,它应该看起来像{1,2,1,2,3,2,1,2,1}。以下基于openCV的
PhaseCorrelates()的代码将在二维中进行关联
static void fftShift(InputOutputArray _out)
{
Mat out = _out.getMat();
if(out.rows == 1 && out.cols == 1)
{
// trivially shifted.
return;
}
vector<Mat> planes;
split(out, planes);
int xMid = out.cols >> 1;
int yMid = out.rows >> 1;
bool is_1d = xMid == 0 || yMid == 0;
if(is_1d)
{
xMid = xMid + yMid;
for(size_t i = 0; i < planes.size(); i++)
{
Mat tmp;
Mat half0(planes[i], Rect(0, 0, xMid, 1));
Mat half1(planes[i], Rect(xMid, 0, xMid, 1));
half0.copyTo(tmp);
half1.copyTo(half0);
tmp.copyTo(half1);
}
}
else
{
for(size_t i = 0; i < planes.size(); i++)
{
// perform quadrant swaps...
Mat tmp;
Mat q0(planes[i], Rect(0, 0, xMid, yMid));
Mat q1(planes[i], Rect(xMid, 0, xMid, yMid));
Mat q2(planes[i], Rect(0, yMid, xMid, yMid));
Mat q3(planes[i], Rect(xMid, yMid, xMid, yMid));
q0.copyTo(tmp);
q3.copyTo(q0);
tmp.copyTo(q3);
q1.copyTo(tmp);
q2.copyTo(q1);
tmp.copyTo(q2);
}
}
merge(planes, out);
}
void Correlate2d(
const cv::Mat& src1,
const cv::Mat& src2,
cv::Mat& dst,
double* response)
{
CV_Assert( src1.type() == src2.type());
CV_Assert( src1.type() == CV_32FC1 || src1.type() == CV_64FC1 );
CV_Assert( src1.size == src2.size);
int M = getOptimalDFTSize(src1.rows);
int N = getOptimalDFTSize(src1.cols);
Mat padded1, padded2, paddedWin;
if(M != src1.rows || N != src1.cols)
{
copyMakeBorder(src1, padded1, 0, M - src1.rows, 0, N - src1.cols, BORDER_CONSTANT, Scalar::all(0));
copyMakeBorder(src2, padded2, 0, M - src2.rows, 0, N - src2.cols, BORDER_CONSTANT, Scalar::all(0));
}
else
{
padded1 = src1;
padded2 = src2;
}
Mat FFT1, FFT2, P, Pm, C;
// correlation equation
// Reference: http://en.wikipedia.org/wiki/Phase_correlation
dft(padded1, FFT1, DFT_REAL_OUTPUT);
dft(padded2, FFT2, DFT_REAL_OUTPUT);
mulSpectrums(FFT1, FFT2, dst, 0, true);
idft(dst, dst, DFT_SCALE); // gives us the correlation result...
fftShift(dst); // shift the energy to the center of the frame.
// locate the highest peak
Point peakLoc;
minMaxLoc(dst, NULL, NULL, NULL, &peakLoc);
// max response is scaled
if( response )
*response = dst.at<float>(peakLoc);
}
到
这相当于在matlab中执行以下操作:
dst = fftshift(ifft2(fft2(src1).*conj(fft2(src2))))
如果你一直得到不同的结果,那么你可能会错过一些初始化,因此使用随机值…我没有使用任何随机值来初始化函数我是说kernel2d(乍一看是唯一可能的罪魁祸首)是的,我使用函数来制作kernel2d。但即使是OpenCV的代码也给了我一个完整的黑色图像。我必须更改这行Mat tempA(dftSize,CV_64FC1,Scalar::all(0));然后是第二行,以使代码正常工作,因为它不是多光谱或dft,只接受4种输入数据类型。最终的转换不会对结果造成任何改变。
mulSpectrums(FFT1, FFT2, dst, 0, false);
dst = fftshift(ifft2(fft2(src1).*conj(fft2(src2))))