傅里叶变换在机器视觉的运用
傅里叶变换在机器视觉的运用
这样一幅图像
1、是如何生成的？
2、体现了什么？
3、如何处理并用来增强原始图片数据?
一、这样的图像是如何生成的？
傅里叶变换如果用来处理图片的话，很多条件不用考虑，而使用的方法也多种多样。一方面，可以作滤波器过滤掉噪音；一方面，可以直接用来分析和解析图像中的重复区域。
将处理图片后得到的傅里叶数据当做图片处理，相当于频谱分析，能够直观地得到相关的数据。那么这种频谱分析的图片在halcon中很好生成，但是在opencv中如何做到？
相关代码可以达到这个效果。没有halcon的好。正在寻找比较好的代码
最终我采用的是这样的代码，能够进行正向的和逆向的变换
但是结果需要经过相关处理.处理有相当的难度，因为最亮的一点和几条线是连在一起的。
二、这样的图像体现了什么？
这是一幅比较粗糙的纸上面的黑色墨迹，它的傅里叶变换为。首先是比较小，然后是中心区域很大，最后是边上有若干个点。一个证明是方向性，一个是纹理。
方向变换以后，可以看出主体区域，那个光柱的变换
这个倾斜的图片体现出特点，它的高亮不唯一，证明了多向性。
这让我想起票据识别的那个项目。经过比对，倾斜是可以识别的，但是可能非常准确的识别还是有困难的。估计是可以的。特别是竖和横的区别
然后我想，其中的那个光两点应该是主要区域占据的大小。但是如何来做这些光电的模板，我目前没有思路。
三、如何处理来增强原始图像？
一个是方向、一个是噪音。而对于重复我还想不出太好的方法。