Um den Umgang mit Orts- und Frequenzbereich in Python zu verdeutlichen und die Grundlage für die Folgeaufgaben zu stellen, soll ein Programm geschrieben werden, das die folgenden Schritte durchführt:

Öffnen Sie das Skript a.py
Transformieren Sie die Bilder img und img_noise mit np.fft.fft2(img) in den Frequenzbereich.
Berechnen Sie den Betrag/Amplitude der Transformierten und stellen Sie diese als Bild dar.
Worin unterscheiden sich die Bilder?

Die Musterlösung befindet sich in der Datei l_a.py.

Hinweise:

Mit der Funktion np.fft.fftshift(IMAGE) wird der Gleichanteil des Frequenzbereiches in die Mitte des Bildes gelegt.
Zur besseren Visualisierung des Frequenzbereiches ist es empfehlenswert, die anzuzeigenden Werte mit einem Faktor zu reduzieren. Das kann z.B. magnitudes = magnitudes / 100000 sein.

Aufgabe b) Amplituden und Phasenspektrum vertauschen

In der Datei b.py werden zwei Bilder geladen. Transformieren Sie sie in den Frequenzbereich und tauschen Sie die Winkel und Amplituden. Stellen Sie die Bilder vor und nach dem Tausch dar!

Die Musterlösung befindet sich in der Datei l_b.py.

Aufgabe c) Tiefpassfilter

In der Datei c.py wird ein Bild eines Teppichs geladen. Der Teppich hat Fehler in den Maschen, die Sie finden möchten. Um die Fehler besser finden zu können, möchten Sie das Bild mithilfe der Fourier-Transformation optisch anpassen.

Transformieren Sie das Bild in den Frequenzbereich und löschen Sie verschiedene hochfrequente und/oder niederfrequente Anteile. Transformieren Sie das Spektrum darauf wieder in den Ortsbereich und stellen die Bilder dar!

Welche Frequenzen scheinen für die Aufgabe interessanter zu sein?

Die Musterlösung befindet sich in der Datei l_c.py.