python - 如何应用傅立叶变换来提取图像中某些边缘的频率？

标题似乎有些不清楚，但我将向您介绍整个故事，并希望您对此发表评论。
我正在尝试检测给定图像中的某些边缘，尤其是那些比其他边缘出现得更多的边缘。为此，最好的想法是傅里叶变换，以将离散像素域映射到频域。在应用傅立叶变换之前，我必须测量一些所需边缘的距离的平均值，然后使用傅立叶变换来找到它们的频率。问题在于如何设置FFT算法的平均距离（在Python或Matlab上）。

谢谢

最佳答案

FFT将返回1和number_of_samples/2之间每个重复元素的频率。

因此，您将在image_width/100附近寻找频率峰值。

如果您的FFT输出数组从零开始索引，则FFT_array[0]将是稳态偏移，而FFT_array[image_width/100]将是您要寻找的峰值。

用伪代码，您的函数将类似于：

image_full = # 2d array of pixel values ex: [[1,2,3],[4,5,6],[7,8,9]]
width_slice_center = image_full[int(len(image_full)/2)]
FFT_slice = FFT(width_slice_center)

#this is where you'll find the values that you are looking for
range = 5 #how far away from exactly 100px you want to look for edges
frequency_100 = int(len(image_full[0])/100) #how many times something 100px wide would appear in image
total_edges_signal = sum(FFT_slice[frequency_100-5:frequency_100+5]) #signal strength of edges in at given width

#then tune the total_edges_signal using an image with known edges
total_edges = int(total_edges_signal*tuning_parameter)

我试图使伪代码尽可能通用，并且您应该能够修改该想法以匹配许多数据类型。我希望这有帮助。

关于python - 如何应用傅立叶变换来提取图像中某些边缘的频率？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/32527952/