[Python图像处理] 三十二.傅里叶变换（图像去噪）与霍夫变换（特征识别）万字详细总结

最新推荐文章于 2026-04-06 02:56:36 发布

原创最新推荐文章于 2026-04-06 02:56:36 发布 · 1.4w 阅读

114

标签

#Python #OpenCV #霍夫变换 #傅里叶变换 #图像处理

Python图像处理及图像识别专栏收录该内容

53 篇文章 ¥19.90 ¥99.00

订阅专栏

该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~

前面一篇文章介绍了民族服饰及文化图腾识别，详细讲解图像点运算，包括灰度化处理、灰度线性变换、灰度非线性变换、阈值化处理。这篇文章将讲解两个重要的算法——傅里叶变换和霍夫变换，万字长文整理，希望对您有所帮助。同时，该部分知识均为作者查阅资料撰写总结，并且开设成了收费专栏，为小宝赚点奶粉钱，感谢您的抬爱。如果有问题随时私聊我，只望您能从这个系列中学到知识，一起加油喔~

PS：写这篇文章另一个重要的原因是Github资源有作者提交了新的贡献，发现提交的是霍夫变换，因此作者也总结这篇文章。CSDN博客专栏9比1分成，真的挺不错的，也希望大家能分享更好的文章。

https://github.com/eastmountyxz/ImageProcessing-Python

在这里插入图片描述

在数字图像处理中，有两个经典的变换被广泛应用——傅里叶变换和霍夫变换。其中，傅里叶变换主要是将时间域上的信号转变为频率域上的信号，用来进行图像除噪、图像增强等处理；霍夫变换主要用来辨别找出物件中的特征，用来进行特征检测、图像分析、数位影像处理等处理。

一.图像傅里叶变换概述

傅里叶变换（Fourier Transform，简称FT）常用于数字信号处理，它的目的是将时间域上的信号转变为频率域上的信号。随着域的不同，对同一个事物的了解角度也随之改变，因此在时域中某些不好处理的地方，在频域就可以较为简单的处理。同时，可以从频域里发现一些原先不易察觉的特征。傅里叶定理指出“任何连续周期信号都可以表示成（或者无限逼近）一系列正弦信号的叠加。”

傅里叶公式（1）如下，其中w表示频率，t表示时间，为复变函数。它将时间域的函数表示为频率域的函数f(t)的积分。

在这里插入图片描述