Numpy實現
fft = np.fft.fft2(img)
將空間域轉化為頻率域

OpenCV實現
dft = cv2.dft(np.float32(img),flag=cv2.DFT_COMPLEX_OUTPUT)
這個函式與np.fft.fft2(img)實現相同的功能，但要注意先將img轉化為float32的格式，flag傳入cv2.DFT_COMPLEX_OUTPUT表示輸出的是一個複數。

shift = np.fft.fftshift(fft)
將低頻部分移動到影象中心

ishift = np.fft.ifftshift(shift)
將低頻部分從中心移動回到左上角

ifft = np.fft.ifft2(ishift)
將頻率域轉化回空間域

idft = cv2.idft(ishift)
這個函式與np.fft.ifft2(shift)實現相同的功能，注意這兩個函式輸出都是一個複數，都需要用到下面這個函式轉化回影象。

img = cv2.magnitude(real,imag)
real是虛數的實部，imag是虛數的虛部
需要注意的是，np.fft.ifft2()返回的是一個虛數陣列，需要用np.real(ifft)求得實部，用np.imag(ifft)求得虛部；
而cv2.idft()返回的是一個雙通道影象，用idft[:,:,0]求得實部，用idft[:,:,1]求得虛部。

結果得到的並不是一個歸一化的影象，我們可以使用cv2.normalize()進行歸一化或者使用20*np.log(np.abs(img))進行歸一化。

程式碼示例

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('lena.png',0)

dft = cv2.dft(np.float32(img),flags=cv2.DFT_COMPLEX_OUTPUT)
plt.subplot(221)
plt.axis('off')
plt.title('dft')
plt.imshow(
 
20*np.log(cv2.magnitude(dft[:,:,0],dft[:,:,1])),cmap='gray')

dft_shift = np.fft.fftshift(dft)
plt.subplot(222)
plt.axis('off')
plt.title('dft_shift')
plt.imshow(20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1])),cmap='gray')

idft_shift = np.fft.ifftshift(dft_shift)
plt.subplot(223)
plt.axis('off')
plt.title('origin')
plt.imshow(img,cmap='gray')

idft = cv2.idft(idft_shift)
plt.subplot(224)
plt.axis('off')
plt.title('idft_shift')
plt.imshow(cv2.magnitude(idft[:,:,0],idft[:,:,1]),cmap='gray')

plt.show()

效果圖：