Python 在频域中改变亮度
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,而不在空间域中工作 目前,我可以通过卷积应用一些模糊过滤器,如下例所示:Python 在频域中改变亮度,python,numpy,image-processing,fft,frequency,Python,Numpy,Image Processing,Fft,Frequency,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,而不在空间域中工作 目前,我可以通过卷积应用一些模糊过滤器,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]
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来改变亮度呢?改变图像的亮度是通过将每个像素乘以一个常数来实现的 因为,在空间域乘以常数等于在频域乘以相同的常数 函数F的线性度定义为: aF(x)+bF(y)=F(ax+by) 从这个方程很容易看出aF(x)=F(ax),或者,正如我前面所说,在一个域中相乘等于在另一个域中相乘 频域中的乘法是空域中的卷积。这是真的。但是因为我们处理的是一个常数,事情就简单了一点。在任何情况下,我们都可以看到频域中的常数函数是空域中的常数函数。与脉冲函数进行卷积与乘以常数相同 去频域改变亮度是浪费时间的,但是如果你已经做到了,你可以这样做 难道不是“傅里叶域中的乘法等于空间域中的卷积”吗?