使用OpenCV imshow显示DFT输出异常的技术求助

你的问题确实出在输出图像的数据类型和数值范围处理上，OpenCV的imshow和Matplotlib的pyplot.imshow对图像数据的要求不一样，具体原因和修改方法如下：

核心问题 #

cv2.idft()返回的结果是浮点数类型，而且傅里叶逆变换后的幅度值img_back的数值范围通常远大于0-255（或者不在0-1区间内）。而：

• cv2.imshow对于浮点数图像，默认认为数值范围是[0, 1]，超过1的部分会被显示为纯白色；
• 对于8位无符号整数（uint8）图像，才会识别为[0, 255]的范围。

Matplotlib的pyplot.imshow会自动帮你归一化数值范围到适合显示的区间，所以教程里用pyplot能正常显示，但直接用OpenCV的imshow就会出现异常。

修改后的代码 #

你只需要在计算出img_back后，添加归一化和类型转换的步骤即可：

import cv2
import numpy as np

img = cv2.imread('./lenna.jpg', 0)
img = np.array(img)
dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)
rows, cols = img.shape
crow, ccol = int(rows/2), int(cols/2)

mask = np.zeros((rows, cols, 2), np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 1

fshift = dft_shift * mask
f_ishift = np.fft.ifftshift(fshift)
img_back = cv2.idft(f_ishift)
img_back = cv2.magnitude(img_back[:, :, 0], img_back[:, :, 1])

# 关键：归一化并转换为uint8类型
# 方法1：使用OpenCV内置的归一化函数
img_back = cv2.normalize(img_back, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)

# 方法2：手动归一化（效果和方法1一致）
# img_back = (img_back - np.min(img_back)) / (np.max(img_back) - np.min(img_back)) * 255
# img_back = img_back.astype(np.uint8)

cv2.imshow('before', img)
cv2.imshow('after', img_back)
cv2.waitKey(0)
cv2.destroyAllWindows()  # 建议添加这句释放窗口资源

额外说明 #

• 两种归一化方法选其一即可，cv2.normalize更简洁，手动归一化则更直观理解数值缩放的过程；
• 最后添加cv2.destroyAllWindows()可以在按下按键后正确释放窗口资源，避免残留窗口问题。

内容的提问来源于stack exchange，提问作者bgmn