Python图像处理实战

第2章　采样、傅里叶变换与卷积

本章将阐述如何实现二维信号在时域和频域之间的相互转换。首先，我们将提出“采样”这样一个用于调整图像大小的重要概念，列举采样中所遇到的挑战，并试着用Python库中的函数来解决这些问题。其次，介绍图像的量化。量化是指在图像中每个像素所使用的比特数，以及它对图像质量的影响。本章还将介绍离散傅里叶变换（Discrete Fourier Transform，DFT）。学完本章，读者可以用numpy和scipy函数库中的快速傅里叶变换（Fast Fourier Transform，FFT）算法实现DFT，并将其应用于图像的实现。

本章还将介绍二维卷积的相关内容，它能显著加快卷积的速度。首先，我们将给出卷积定理的基本概念，并通过一个实例来澄清 “相关”和“卷积”这两个概念之间由来已久的混淆。其次，通过一个SciPy的示例，展示如何通过应用互关联的模板来查找图像中特定模式的位置。

本章还将介绍一些滤波技术，以及如何用Python库实现它们。读者应该会对用这些滤波器进行图像去噪后所得到的结果感兴趣。

本章主要包括以下内容：

• 图像形成——采样和量化；
• 离散傅里叶变换；
• 理解卷积。

2.1　图像形成——采样和量化

本节将描述图像形成的两个重要概念——采样和量化，并介绍如何使用PIL和scikit-image库通过采样和颜色量化来调整图像的大小。我们将使用一种实战的方法，并在实践中定义这两个概念。

从导入如下所需要的包开始，如下面的代码所示：

% matplotlib inline # for inline image display inside notebook from PIL import Image from skimage.io import imread, ...