### 手写实现基于二维傅里叶变换的图像旋转 以下代码展示了如何通过自定义变量和逻辑，而不依赖现成函数，利用二维傅里叶变换对图像进行旋转操作。代码中详细说明了如何构建频谱、调整频谱以适应旋转，并最终逆变换得到旋转后的图像。 ```python import numpy as np import matplotlib.pyplot as plt def custom_fft2(image): """自定义二维傅里叶变换""" M, N = image.shape fft_result = np.zeros((M, N), dtype=complex) for u in range(M): for v in range(N): sum_val = 0.0 for x in range(M): for y in range(N): e = np.exp(-2j * np.pi * (u * x / M + v * y / N)) sum_val += image[x, y] * e fft_result[u, v] = sum_val return fft_result def custom_ifft2(fft_image): """自定义二维逆傅里叶变换""" M, N = fft_image.shape ifft_result = np.zeros((M, N), dtype=complex) for x in range(M): for y in range(N): sum_val = 0.0 for u in range(M): for v in range(N): e = np.exp(2j * np.pi * (u * x / M + v * y / N)) sum_val += fft_image[u, v] * e ifft_result[x, y] = sum_val / (M * N) return ifft_result.real def rotate_spectrum(fft_image, angle): """自定义频谱旋转""" M, N = fft_image.shape center_x, center_y = M // 2, N // 2 rotated_fft = np.zeros_like(fft_image) for u in range(M): for v in range(N): # 计算原始点相对于中心的坐标 orig_x = u - center_x orig_y = v - center_y # 应用旋转公式 cos_theta = np.cos(np.radians(angle)) sin_theta = np.sin(np.radians(angle)) new_x = int(orig_x * cos_theta - orig_y * sin_theta) new_y = int(orig_x * sin_theta + orig_y * cos_theta) # 转换回全局坐标 new_u = new_x + center_x new_v = new_y + center_y # 检查新坐标是否在范围内 if 0 <= new_u < M and 0 <= new_v < N: rotated_fft[new_u, new_v] += fft_image[u, v] return rotated_fft def apply_fourier_rotation(image, angle): """应用傅里叶变换进行图像旋转""" # 步骤1：执行傅里叶变换 fft_image = custom_fft2(image) # 步骤2：将频谱移至中心 fft_shifted = np.fft.fftshift(fft_image) # 步骤3：旋转频谱 rotated_fft = rotate_spectrum(fft_shifted, angle) # 步骤4：将频谱移回原位置 rotated_fft_shifted_back = np.fft.ifftshift(rotated_fft) # 步骤5：执行逆傅里叶变换 rotated_image = custom_ifft2(rotated_fft_shifted_back) return rotated_image # 测试代码 if __name__ == "__main__": # 创建一个简单的测试图像 image = np.zeros((128, 128)) image[32:96, 32:96] = 255 # 白色方块 # 旋转角度 angle = 45 # 应用傅里叶变换旋转 rotated_image = apply_fourier_rotation(image, angle) # 显示结果 plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1) plt.imshow(image, cmap='gray') plt.title("Original Image"), plt.axis('off') plt.subplot(1, 2, 2) plt.imshow(rotated_image, cmap='gray') plt.title("Rotated Image"), plt.axis('off') plt.show() ``` 上述代码实现了不依赖内置函数的二维傅里叶变换及其逆变换，并通过自定义频谱旋转逻辑完成了图像的旋转操作[^1]。 #### 关键点解释 - **自定义傅里叶变换**：`custom_fft2` 和 `custom_ifft2` 函数分别实现了二维傅里叶正变换和逆变换，完全基于数学定义构建。 - **频谱旋转**：`rotate_spectrum` 函数通过几何旋转公式调整频谱中的每个点的位置，确保频谱旋转角度与期望一致。 - **频谱移位**：使用 `np.fft.fftshift` 和 `np.fft.ifftshift` 确保频谱中心化和逆中心化处理正确。 #### 注意事项 - 频谱旋转过程中可能涉及插值问题，此处通过直接映射实现简单处理[^2]。 - 图像边界效应可能导致旋转后图像边缘出现部分失真，需进一步优化处理。