基于分块DFT的幅度相位保留图像重构

之前的代码示例仅保留了图像的相位信息，导致逆变换后的图像与原图存在较大差异。为了提高图像重构质量，我们需要同时保留幅度和相位信息。

以下是使用Python和OpenCV进行分块DFT变换，并通过保留幅度和相位信息进行图像重构的代码示例：pythonimport numpy as npimport cv2import matplotlib.pyplot as plt

加载BMP图像image_path = 'your_image.bmp' # 替换为实际的BMP图像路径image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)

分块大小block_size = 8

获取图像大小height, width = image.shape

计算分块数目num_blocks_height = height // block_sizenum_blocks_width = width // block_size

初始化幅度相位数组magnitude_phase_array = np.zeros_like(image, dtype=np.complex128)

逐个分块进行二维DFT变换，提取幅度和相位for i in range(num_blocks_height): for j in range(num_blocks_width): # 获取当前分块 block = image[i * block_size: (i + 1) * block_size, j * block_size: (j + 1) * block_size]

    # 二维DFT变换        dft_block = np.fft.fft2(block)

    # 提取幅度谱和相位谱        dft_magnitude, dft_phase = cv2.cartToPolar(dft_block.real, dft_block.imag, angleInDegrees=False)

    # 保留幅度和相位        dft_complex = dft_magnitude * np.exp(1j * dft_phase)

    # 更新幅度相位数组        magnitude_phase_array[i * block_size: (i + 1) * block_size, j * block_size: (j + 1) * block_size] = dft_complex

逆变换dft_inverse = np.fft.ifft2(magnitude_phase_array)

显示图像plt.imshow(np.abs(dft_inverse).astype(np.uint8), cmap='gray')plt.title('Inverse DFT')plt.show()

代码说明:

1. 代码首先加载一张灰度BMP图像，并定义分块大小。2. 然后，代码逐个对图像进行分块，并对每个分块进行二维DFT变换。3. 在每个分块上，代码提取DFT变换后的幅度谱和相位谱，并将它们组合成复数形式的频域表示。4. 最后，代码对整个频域表示进行逆变换，得到重构后的图像。

注意:

• 将 'your_image.bmp' 替换为实际的BMP图像路径。* 这段代码保留了幅度和相位信息，因此逆变换后的图像应该与原图非常接近。

希望这段代码和说明能够帮助您理解如何使用分块DFT变换进行图像处理。