python_developer

برای انتخاب یه مسیر مناسب شغلی و سرمایه‌گذاری روی مهارتی که بازارِ کارش تو هر فصلی داغه، لازمه یه انتخاب خوب و قدرتمند داشته باشی! پس با ویتامین #C خودتو تقویت کن! 🔸اولین بوت‌کمپ آموزشی-استخدامی سی‌شارپ مکتب شریف 🔸 C# / .Net coding bootcamp ♨️ پیش‌دوره و استعدادسنجی رایگان کافیه به آی‌دی ما پیام بدی! 🔽‌‌‌‌ 🆔 @MaktabSharif_Admin ▪️▫️▪️▫️▪️▫️▪️▫️▪️▫️▪️ 🌐 وبسایت |📱کانال تلگرام | 📲 اینستاگرام 💻 #استخدام_با_طعم_آموزش

تصویر 3D

فیلتر پایین گذر حوزه فرکانس نقطه سفید دامنه فرکانس مجاز است

در مورد فرآیند فوق، برای دریافت حوزه فرکانسی فیلتر پایین گذر کد مورد نظر به شرح زیر است: import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('sib.jpg',0) f = np.fft.fft2(img) fshift = np.fft.fftshift(f) s1 = np.log(np.abs(fshift)) def lowPassFilter(image,d): f = np.fft.fft2(image) fshift = np.fft.fftshift(f) def make_transform_matrix(d): transfor_matrix = np.zeros(image.shape) center_point = tuple(map(lambda x:(x-1)/2,s1.shape)) for i in range(transfor_matrix.shape[0]): for j in range(transfor_matrix.shape[1]): def cal_distance(pa,pb): from math import sqrt dis = sqrt((pa[0]-pb[0])**2+(pa[1]-pb[1])**2) return dis dis = cal_distance(center_point,(i,j)) if dis <= d: transfor_matrix[i,j]=1 else: transfor_matrix[i,j]=0 return transfor_matrix d_matrix = make_transform_matrix(d) new_img = np.abs(np.fft.ifft2(np.fft.ifftshift(fshift*d_matrix))) return new_img plt.imshow(lowPassFilter(img,60),cmap="gray") plt.show()

import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('sib.jpg',0) f = np.fft.fft2(img) fshift = np.fft.fftshift(f) s1 = np.log(np.abs(fshift)) def make_transform_matrix(d,image): transfor_matrix = np.zeros(image.shape) center_point = tuple(map(lambda x:(x-1)/2,s1.shape)) for i in range(transfor_matrix.shape[0]): for j in range(transfor_matrix.shape[1]): def cal_distance(pa,pb): from math import sqrt dis = sqrt((pa[0]-pb[0])**2+(pa[1]-pb[1])**2) return dis dis = cal_distance(center_point,(i,j)) if dis <= d: transfor_matrix[i,j]=1 else: transfor_matrix[i,j]=0 return transfor_matrix d_1 = make_transform_matrix(10,fshift) d_2 = make_transform_matrix(30,fshift) d_3 = make_transform_matrix(50,fshift) img_d1 = np.abs(np.fft.ifft2(np.fft.ifftshift(fshift*d_1))) img_d2 = np.abs(np.fft.ifft2(np.fft.ifftshift(fshift*d_2))) img_d3 = np.abs(np.fft.ifft2(np.fft.ifftshift(fshift*d_3))) plt.subplot(131) plt.axis("off") plt.imshow(img_d1,cmap="gray") plt.title('D_1 10') plt.subplot(132) plt.axis("off") plt.title('D_2 30') plt.imshow(img_d2,cmap="gray") plt.subplot(133) plt.axis("off") plt.title("D_3 50") plt.imshow(img_d3,cmap="gray") plt.show()

در حوزه فرکانسی، ما سعی می کنیم D0 متفاوت بگیریم و سپس آن را به حوزه مکانی تبدیل کنیم تا اثر را ببینیم: import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('sib.jpg',0) f = np.fft.fft2(img) fshift = np.fft.fftshift(f) s1 = np.log(np.abs(fshift)) def make_transform_matrix(d,image): transfor_matrix = np.zeros(image.shape) center_point = tuple(map(lambda x:(x-1)/2,s1.shape)) for i in range(transfor_matrix.shape[0]): for j in range(transfor_matrix.shape[1]): def cal_distance(pa,pb): from math import sqrt dis = sqrt((pa[0]-pb[0])**2+(pa[1]-pb[1])**2) return dis dis = cal_distance(center_point,(i,j)) if dis <= d: transfor_matrix[i,j]=1 else: transfor_matrix[i,j]=0 return transfor_matrix d_1 = make_transform_matrix(10,fshift) d_2 = make_transform_matrix(30,fshift) d_3 = make_transform_matrix(50,fshift) plt.subplot(131) plt.axis("off") plt.imshow(d_1,cmap="gray") plt.title('D_1 10') plt.subplot(132) plt.axis("off") plt.title('D_2 30') plt.imshow(d_2,cmap="gray") plt.subplot(133) plt.axis("off") plt.title("D_3 50") plt.imshow(d_3,cmap="gray") plt.show()

💥فیلتر پایین گذر 💥فرمول فیلتر پایین گذر به شرح زیر است:

ابتدا با قطعه کد زیر آن را به حوزه فرکانس میبریم: import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('sib.jpg',0) f = np.fft.fft2(img) fshift = np.fft.fftshift(f) s1 = np.log(np.abs(fshift)) plt.subplot(121),plt.imshow(s1,'gray') plt.title('Frequency Domain') plt.axis("off") plt.show()

تصویر نمونه

🌟در ادامه میخواهیم حوزه فرکانس را به حوزه مکان تبدیل کنیم🌟

فیلتر پایین گذر و بالا گذر گوسی حوزه فرکانس