return-1;
}
imshow（"原始图像",srcImage）;
//将输入图像延扩到最佳的尺寸，边界用0补充
intm=getOptimalDFTSize（srcImage.rows）;
intn=getOptimalDFTSize（srcImage.cols）;
//将添加的像素初始化为0.
Matpadded;
copyMakeBorder（srcImage,padded,0,m-srcImage.rows,0,n-srcImage.cols,BORDER_CONSTANT,Scalar:
:
all（0））;
//为傅立叶变换的结果（实部和虚部）分配存储空间。
//将planes数组组合合并成一个多通道的数组complexI
Matplanes[]={Mat_（padded）,Mat:
:
zeros（padded.size（）,CV_32F）};
MatcomplexI;
merge（planes,2,complexI）;
//进行就地离散傅里叶变换
dft（complexI,complexI）;
//将复数转换为幅值，即=>log（1+sqrt（Re（DFT（I））^2+Im（DFT（I））^2））
split（complexI,planes）;
//将多通道数组complexI分离成几个单通道数组，planes[0]=Re（DFT（I）,//planes[1]=Im（DFT（I））
magnitude（planes[0],planes[1],planes[0]）;//planes[0]=magnitude
MatmagnitudeImage=planes[0];
//进行对数尺度（logarithmicscale）缩放
magnitudeImage+=Scalar:
:
all
（1）;
log（magnitudeImage,magnitudeImage）;//求自然对数
//剪切和重分布幅度图象限
//若有奇数行或奇数列，进行频谱裁剪
magnitudeImage=magnitudeImage（Rect（0,0,magnitudeImage.cols&-2,magnitudeImage.rows&-2））;
//重新排列傅立叶图像中的象限，使得原点位于图像中心
intcx=magnitudeImage.cols/2;
intcy=magnitudeImage.rows/2;
Matq0（magnitudeImage,Rect（0,0,cx,cy））;//ROI区域的左上
Matq1（magnitudeImage,Rect（cx,0,cx,cy））;//ROI区域的右上
Matq2（magnitudeImage,Rect（0,cy,cx,cy））;//ROI区域的左下
Matq3（magnitudeImage,Rect（cx,cy,cx,cy））;//ROI区域的右下
//交换象限（左上与右下进行交换）
Mattmp;
q0.copyTo（tmp）;
q3.copyTo（q0）;
tmp.copyTo（q3）;
//交换象限（右上与左下进行交换）
q1.copyTo（tmp）;
q2.copyTo（q1）;
tmp.copyTo（q2）;
//归一化，用0到1之间的浮点值将矩阵变换为可视的图像格式
normalize（magnitudeImage,magnitudeImage,0,1,CV_MINMAX）;
//显示效果图
imshow（"频域",magnitudeImage）;
//（3）频域-->空域
Matinversed;
dft（complexI,inversed,DFT_INVERSE|DFT_REAL_OUTPUT）;
normalize（inversed,inversed,0,1,CV_MINMAX）;
imshow（"空域",inversed）;
waitKey（）;
return0;
}
其转换的原始图像及其效果图频域图像、空域图像分别如下图所示：
（1）
题目四：
对MNIST手写数字数据库（可在网上搜索下载），编程实现来提取其链码。
该题实现的具体思路过程为：
（1）将Mnist字库读取到以OpenCV里的Mat为储存单元的vector中；
（2）使用findContours将链码保存在vector中；
（3）输出链码。
#include
#include
#include
#include
#include
#include
#include
usingnamespacestd;
usingnamespacecv;
//格式转换
intReverseInt（inti）
{
unsignedcharch1,ch2,ch3,ch4;
ch1=i&255;
ch2=（i>>8）&255;
ch3=（i>>16）&255;
ch4=（i>>24）&255;
return（（int）ch1<<24）+（（int）ch2<<16）+（（int）ch3<<8）+ch4;
}
/**
*将Mnist数据库读取到OpenCV:
:
Mat格式中
*格式：
*magicnumber
*numberofimages
*rows
*cols
*averyverylongvectorcontainsalldigits
*/
voidread_Mnist（stringfilename,vector&vec）
{
ifstreamfile（filename,ios:
:
binary）;
if（file.is_open（））
{
intmagic_number=0;
intnumber_of_images=0;
intn_rows=0;
intn_cols=0;
file.read（（char*）&magic_number,sizeof（magic_number））;
magic_number=ReverseInt（magic_number）;
file.read（（char*）&number_of_images,sizeof（number_of_images））;
number_of_images=ReverseInt（number_of_images）;
file.read（（char*）&n_rows,sizeof（n_rows））;
n_rows=ReverseInt（n_rows）;
file.read（（char*）&n_cols,sizeof（n_cols））;
n_cols=ReverseInt（n_cols）;
for（inti=0;i{
cv:
:
Mattp=Mat:
:
zeros（n_rows,n_cols,CV_8UC1）;
for（intr=0;r{
for（intc=0;c{
unsignedchartemp=0;
file.read（（char*）&temp,sizeof（temp））;
tp.at（r,c）=（int）temp;
}
}
vec.push_back（tp）;
}
}//if
}
intmain（intargc,char**argv）
{
intcount=1;
//存储Mnist字库
vectorvec;
//将Mnist字库读取到vector中
read_Mnist（"t10k-images.idx3-ubyte",vec）;
cout<<"共含有：
"<for（autoiter=vec.begin（）;iter!
=vec.end（）;iter++）
{
cout<<"第"<//显示Mnist字库
imshow（"Mnist",*iter）;
vector>contours;
//读取轮廓
findContours（*iter,contours,CV_RETR_EXTERNAL,CV_CHAIN_CODE）;
//输出链码
for（inti=0;i{
for（intj=0;j{
cout<}
cout<}
waitKey（1000）;
}
waitKey（）;
return0;
}
实现的效果图如下截图所示：
根据输出结果，所得到的链码并不是所熟悉的4方向和8方向链码，由于时间仓促，进一步的完善会在接下来的学习过程中继续进行。
升级会员 