鼠标响应回调函数（固定格式）
void on_mouse(int EVENT, int x, int y, int flags, void* userdata)
{
Mat hh;
hh = *(Mat*)userdata;
Point p(x, y);
switch (EVENT)
{
case EVENT_LBUTTONDOWN:
{
points.x = x;
points.y = y;
mousePoints.push_back(points);
circle(hh, points, 4, cvScalar(255, 255, 255), -1);
imshow("mouseCallback", hh);
}
break;
}
}这个鼠标响应函数 就是鼠标左键按下后，会标记一个点，画一个白色点，并将这个点存储到points当中
鼠标响应函数
setMouseCallback("mouseCallback", on_mouse, &selectMat);mousecallback就是窗口名称，后面是图像，中间是函数名
选取多边形roi区域函数（结合鼠标响应）
int selectPolygon(cv::Mat srcMat, cv::Mat& dstMat)
{
vector<vector<Point>> contours;
cv::Mat selectMat;
cv::Mat m = cv::Mat::zeros(srcMat.size(), CV_32F);
m = 1;
if (!srcMat.empty()) {
srcMat.copyTo(selectMat);
srcMat.copyTo(dstMat);
}
else {
std::cout << "failed to read image!:" << std::endl;
return -1;
}
namedWindow("mouseCallback");
imshow("mouseCallback", selectMat);
setMouseCallback("mouseCallback", on_mouse, &selectMat);
waitKey(0);
destroyAllWindows();
//计算roi
contours.push_back(mousePoints);
if (contours[0].size() < 3) {
std::cout << "failed to read image!:" << std::endl;
return -1;
}
drawContours(m, contours, 0, Scalar(0), -1);
m.copyTo(dstMat);
return 0;
}建立一个全白色的mat，用鼠标响应选取白色点连接构成roi，然后通过drawcontous把roi在全白色mat里面画出，选中区域为黑色，没有选中区域为白色。
也可以将其改成选中的区域为白色 没有选中为黑色 只需要将
m=0；scalar（255，255，255）即可
查看一张图片的幅度频谱（输入灰度）
预处理
Mat padMat;
//当图像的尺寸是2，3，5的整数倍时，离散傅里叶变换的计算速度最快。
//获得输入图像的最佳变换尺寸
int m = getOptimalDFTSize(srcMat.rows);
int n = getOptimalDFTSize(srcMat.cols);copyMakeBorder(srcMat, padMat, 0, m - srcMat.rows, 0, n - srcMat.cols, BORDER_CONSTANT, Scalar::all(0));
//对边界进行填充，刚才得到的m，n
//把灰度图像放在左上角,在右边和下边扩展图像,扩展部分填充为0;
//定义一个数组,存储频域转换成float类型的对象，再存储一个和它一样大小空间的对象来存储复数部分
Mat planes[] = { Mat_<float>(padMat), Mat::zeros(padMat.size(), CV_32F) };Mat complexMat;
merge(planes, 2, complexMat);
//将2个单通道的图像合成一幅多通道图像，将实部和虚部组合成一个
正片开始，进行傅里叶变换
dft(complexMat, complexMat);
//输入输出图像split(complexMat, planes);
//求相位，保存在planes[0]
magnitude(planes[0], planes[1], planes[0]);
//0代表实部，1代表虚部 保存在0中 相位
为了显示方便，而作后续处理
Mat magMat = planes[0];
magMat += Scalar::all(1);
log(magMat, magMat);
//值都很大，取个对数显示出来
把四个角（高频）移到中间来
//确保对称
magMat = magMat(Rect(0, 0, magMat.cols & -2, magMat.rows & -2));
int cx = magMat.cols / 2;
int cy = magMat.rows / 2;
//将图像移相
/*
0 | 1 3 | 2
------- ===> -------
2 | 3 1 | 0
*/
Mat q0(magMat, Rect(0, 0, cx, cy));
Mat q1(magMat, Rect(cx, 0, cx, cy));
Mat q2(magMat, Rect(0, cy, cx, cy));
Mat q3(magMat, Rect(cx, cy, cx, cy));
Mat tmp;
q0.copyTo(tmp);
q3.copyTo(q0);
tmp.copyTo(q3);
q1.copyTo(tmp);
q2.copyTo(q1);
tmp.copyTo(q2);要一个中间变量temp不然会损失图像，保证对称是怕/2除不整，//修剪频谱,如果图像的行或者列是奇数的话,那其频谱是不对称的,因此要修剪
将图像归一化到0-255 也就是0-1之间可以显示出来
normalize(magMat, magMat, 0, 1, NORM_MINMAX);
magMat = magMat * 255;
magMat.copyTo(dstMat);
return 0;这样就得到了频谱
求相位谱
phase(planes[0], planes[1], ph);//相位谱ph用鼠标响应处理频谱，再ifft转换回来
前面的一样直到
mag = mag / 255;先倒回去
鼠标响应
cv::Mat mask;
Mat proceMag;
selectPolygon(mag,mask);
mag= mag.mul(mask);
proceMag = mag * 255;
imwrite("处理后频谱.jpg", proceMag);倒过来干 ifft
//前述步骤反着来一遍，目的是为了逆变换回原图
Mat q00(mag, Rect(0, 0, cx, cy));
Mat q10(mag, Rect(cx, 0, cx, cy));
Mat q20(mag, Rect(0, cy, cx, cy));
Mat q30(mag, Rect(cx, cy, cx, cy));
//交换象限
q00.copyTo(tmp);
q30.copyTo(q00);
tmp.copyTo(q30);
q10.copyTo(tmp);
q20.copyTo(q10);
tmp.copyTo(q20);
mag = mag * maxVal;//将归一化的矩阵还原
exp(mag, mag);//对应于前述去对数
mag = mag - Scalar::all(1);//对应前述+1
polarToCart(mag, ph, planes[0], planes[1]);//由幅度谱mag和相位谱ph恢复实部planes[0]和虚部planes[1]
merge(planes, 2, complexImg);//将实部虚部合并
正片开始 idtf
Mat ifft(Size(src.cols, src.rows), CV_8UC1);
//傅里叶逆变换
idft(complexImg, ifft, DFT_REAL_OUTPUT);
normalize(ifft, ifft, 0, 1, CV_MINMAX);
Rect rect(0, 0, src.cols, src.rows);
dst = ifft(rect);
dst = dst * 255;
cv::Mat dspMat;
dst.convertTo(dspMat, CV_8UC1);
imshow("dst", dspMat);
imshow("src", src);
waitKey(0);
return 0;注意这里有个转换 idft类型要转换成8UC1才能展示
这里有个疑问 mag不×255才能显示出图像 ×了反而显示出全白 文章来源：https://www.toymoban.com/news/detail-637896.html
但是imwirte出的图像又是正常的 为什么？文章来源地址https://www.toymoban.com/news/detail-637896.html
到了这里，关于OPENCV C++(九)鼠标响应+dft+idft的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
