python - 如何从 4D 图像中提取 FFT 的第一个分量

问题描述

我有4D（2D +沿z轴的切片+时间帧）灰度图像，用于不同时刻的心脏跳动。
我确实喜欢沿时间轴进行傅里叶变换（分别针对每个切片），并分析基本谐波（也称为 H1 分量，其中 H 代表希尔伯特空间），因此我可以确定对应于 ROI 的像素区域，这些区域对心脏的反应最强频率。
我为此目的使用python，并尝试使用以下代码执行此操作，但我不确定这是正确的方法，因为我不知道如何确定截止频率只保留基本谐波。

import nibabel as nib
import numpy as np
import matplotlib.pyplot as plt

img = nib.load('patient057_4d.nii.gz')
f = np.fft.fft2(img)
#  Move the DC component of the FFT output to the center of the spectrum
fshift = np.fft.fftshift(f)
fshift_orig = fshift.copy()
# logarithmic transformation
 magnitude_spectrum = 20*np.log(np.abs(fshift))
# Create mask
rows, cols = img.shape
crow, ccol = int(rows/2), int(cols/2)
# Use mask to remove low frequency components
dist1 = 20
dist2 = 10
fshift[crow-dist1:crow+dist1, ccol-dist1:ccol+dist1] = 0
#fshift[crow-dist2:crow+dist2, ccol-dist2:ccol+dist2] = fshift_orig[crow-dist2:crow+dist2, ccol-dist2:ccol+dist2] 

# logarithmic transformation
magnitude_spectrum1 = 20*np.log(np.abs(fshift)) 
f_ishift = np.fft.ifftshift(fshift)
# inverse Fourier transform
img_back = np.fft.ifft2(f_ishift)
# get rid of imaginary part by abs
img_back = np.abs(img_back)
plt.figure(num = 'Im_Back')
plt.imshow(abs(fshift[:,:,2,2]).astype('uint8'),cmap='gray')
plt.show()

标签： pythonimage-processingfft

解决方案是对每个切片分别进行傅里叶变换 3D，然后仅选择变换的第二个分量将其变换回空间空间，仅此而已。
这样做的好处是检测是否有东西沿着第三轴移动（在我的例子中是时间）。

for sl in range(img.shape[2]):
   #-----Fourier--H1-----------------------------------------
   # ff1[:, :, 1] H1 compnent 1, if 0 then DC
   ff1 = FFT.fftn(img[:,:,sl,:])
   fh = np.absolute(FFT.ifftn(ff1[:, :, 1])) 

   #-----Fourier--H1-----------------------------------------

python - 如何从 4D 图像中提取 FFT 的第一个分量

问题描述

解决方案

推荐阅读