代码实现图像低通滤波器

图像低通滤波器是一种常见的信号处理技术，用于平滑图像、去除噪声或模糊细节。在代码实现上，通常我们会选择离散傅立叶变换（DFT）或卷积运算来达到低通效果。以下是使用Python和NumPy库的一个简单示例，假设我们想对一个灰度图像应用平均低通滤波：

import numpy as np

def low_pass_filter(image, kernel_size):
    # 将图像转换为一维数组，便于处理
    image_1d = image.flatten()

    # 创建一个等大小的零填充数组，保持原始尺寸
    padded_image = np.pad(image_1d, pad_width=(kernel_size // 2, kernel_size // 2), mode='constant', constant_values=0)

    # 计算二维傅立叶变换
    fourier_transform = np.fft.fft2(padded_image)

    # 创建低通滤波器，通常是高斯函数或矩形窗口
    filter_kernel = np.ones((kernel_size, kernel_size)) / (kernel_size ** 2)  # 简单的均值滤波，可以换成其他低通滤波器

    # 应用滤波器
    filtered_frequency_domain = fourier_transform * filter_kernel

    # 取实部得到低通后的频域结果，并取反傅立叶变换回空间域
    filtered_image = np.real(np.fft.ifft2(filtered_frequency_domain)).reshape(image.shape)

    return filtered_image

# 使用例子
image = ...  # 你的图像数据
filtered_image = low_pass_filter(image, kernel_size=5)