dft = cv2.dft(img_float32, flags = cv2.DFT_COMPLEX_OUTPUT) #calcula la transf. Fourier dft_shift = np.fft.fftshift(dft) #proyecta los cuadrantes de la imagen dft_shift = dft_shift*mask2 f_ishift = np.fft.ifftshift(dft_shift) img_back = cv2.idft(f_ishift) img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1])

解决方案

如果您打印出product图像数组中的值，您会发现白色条带中的所有像素实际上的值都是-inf，而不是0。在您的代码中，作为创建过程的一部分，product您可以使用np.log重新调整某些数据。该数据中有0'，结果np.log(0)是-inf。

您可以通过几种不同的方式解决此问题。最简单的选择是将所有-inf值product替换为0. 创建后product，如果添加以下行：

product[np.isneginf(product)] = 0

那么当您绘制product它时，它将有黑色条带，就像您预期的那样：

深潜

这就是您最终以-infin结尾的原因product。这是您的代码中创建的行product：

product = 20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))

如果我们把它分成两行，我们可以弄清楚发生了什么：

magnitude = cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1])
product = 20*np.log(magnitude)

magnitude像你预期的那样0在乐队中。但是，如果您尝试直接绘制震级，您最终会得到一个非常暗且显示不多的图：

这样做的原因是 Matplotlib 会在选择颜色时缩放您的数据，以便图像数组中的最小值为黑色，最大值为白色。这里的问题是 in 中的最大值magnitude远大于几乎所有其他值。因此，您会得到几个白色像素（靠近中心），而其他每个像素都被染成几乎黑色。

您可以通过传递给用于绘制图像的函数来使绘图magnitude显示更多的底层细节。这为颜色图设置了一个明确的最大数据值：vmax=1000imshow

这远非理想，因为这意味着图像的很大一部分显示为完全饱和的白色，而不管其底层细节如何。

实际上，您已经在代码中为这个问题提供了更好的解决方案：您在magnitudeusing中重新调整数据np.log。这种重新缩放的结果，product数组，将使其所有值更接近。这有利于您在绘图时看到图像中的精细细节product。但是，您在这里遇到的问题是 0 的日志是无穷大的：

print(np.log(0))
# this outputs
# -inf

因此， in 的带成为in0的带。Matplotlib通过将它们着色为与输入数组中的最大值相同的颜色（即白色）来处理这些值。因此，您会得到您在绘制的图像中看到的白色带。magnitude-infproduct-infproduct

python - FFT频谱中的0是白色的？，为什么？- OpenCV

问题描述

解决方案

解决方案

深潜

推荐阅读