freq
有一些非常大的值,还有很多小的值。您可以通过绘图看到
plt.hist(freq.ravel(), bins=100)
(见下文。)所以,当你使用
ax1.imshow(freq, interpolation="none")
Matplotlibfreq.min()
用作颜色范围中的最小值(默认为蓝色),并freq.max()
用作颜色范围中的最大值(默认为红色)。由于几乎所有的值freq
都接近蓝色端,所以整个图看起来都是蓝色的。
您可以通过重新调整值来获得更多信息图,freq
以便低值更广泛地分布在颜色范围内。
例如,您可以通过采用 of 来获得更好的值log
分布freq
。(您可能不想丢弃最高值,因为它们对应于具有最高功率的频率。)
import matplotlib as ml
import matplotlib.pyplot as plt
import numpy as np
import Image
file_path = "data"
image = np.asarray(Image.open(file_path).convert('L'))
freq = np.fft.fft2(image)
freq = np.abs(freq)
fig, ax = plt.subplots(nrows=2, ncols=2, figsize=(14, 6))
ax[0,0].hist(freq.ravel(), bins=100)
ax[0,0].set_title('hist(freq)')
ax[0,1].hist(np.log(freq).ravel(), bins=100)
ax[0,1].set_title('hist(log(freq))')
ax[1,0].imshow(np.log(freq), interpolation="none")
ax[1,0].set_title('log(freq)')
ax[1,1].imshow(image, interpolation="none")
plt.show()
从文档:
与 fft 类似,输出包含变换轴低阶角中的零频率项,
因此,freq[0,0]
是“零频率”术语。换句话说,它是离散傅里叶变换中的常数项。