python - 频域图像直方图

我一直在尝试分析图像中低频和高频波的存在。我的目标是能够在视觉上辨别图像是否主要由低频或高频组成。

我的第一直觉是生成彩色图像的傅里叶变换或小波变换的直方图。但是，我不确定如何进行。

鉴于傅立叶变换的强度没有给出频率的表示，我想我可以使用坐标作为我的“箱”和强度作为我的频率来生成一个“直方图”。但我不确定这在数学上是否合理。

是否设置了创建频域直方图的任何默认方式？为此，小波或傅立叶变换效果最好吗？

谢谢大家的帮助。

编辑 1

所以我一直在尝试可视化构成图像傅立叶变换的各个频率。但是没有成功。

我试图对变换后的图像的每个点进行反向变换，并将剩余的矩阵设置为零，但我认为结果不是我所期望的。这里有些例子：

那是我的初始图像，它是通道傅立叶变换，忽略红色的天空。下面是一些点的逆变换，我使用下面的方法来提取频率。r_fft不移位。

wave_fft_r = np.zeros(r_fft.shape, dtype=r_fft.dtype)
wave_fft_r[i,j] = r_fft[i,j]
wave_img = np.fft.ifft2(wave_fft_r)

我不认为这有助于分析图像是由更多的高频还是低频组成。@CrisLuengo 提到了频率的一维表示，但我不知道该怎么做。

例如，鉴于下图，它似乎比第一个具有更多的高频，但我正在寻找一种以数字方式显示它的方法。并且仅通过查看幅度谱来区分它并不容易。

标签： pythonimageimage-processingfftwavelet