opencv图像中频域滤波去除噪声，使用c++代码

以下是使用 OpenCV C++ 实现频域滤波去除噪声的示例代码：

#include <opencv2/opencv.hpp>
#include <opencv2/core/types_c.h>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    Mat img = imread("image.jpg", 0); // 读取灰度图像
    imshow("Original Image", img);

    Mat padded; // 填充后的图像
    int m = getOptimalDFTSize(img.rows);
    int n = getOptimalDFTSize(img.cols);
    copyMakeBorder(img, padded, 0, m - img.rows, 0, n - img.cols, BORDER_CONSTANT, Scalar::all(0));

    Mat planes[] = { Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F) };
    Mat complexImg;
    merge(planes, 2, complexImg);

    dft(complexImg, complexImg);

    // 频域滤波器
    Mat filter = Mat::zeros(complexImg.size(), CV_32F);
    int centerX = filter.cols / 2;
    int centerY = filter.rows / 2;
    int radius = min(centerX, centerY) / 2;
    circle(filter, Point(centerX, centerY), radius, Scalar(1), -1);
    filter2D(complexImg, complexImg, -1, filter);

    idft(complexImg, complexImg);

    Mat restoredImg;
    split(complexImg, planes);
    normalize(planes[0], restoredImg, 0, 255, NORM_MINMAX, CV_8U);

    imshow("Restored Image", restoredImg);
    waitKey();

    return 0;
}

在这个例子中，我们首先读取了一张灰度图像并将其填充到最佳尺寸。然后，我们将图像转换为复数形式，并对其进行傅里叶变换。接下来，我们使用一个圆形滤波器来过滤掉高频噪声，并对滤波后的图像进行逆傅里叶变换以恢复原始图像。最后，我们将恢复的图像归一化并显示出来。

请注意，此示例代码仅适用于灰度图像。如果您要处理彩色图像，请首先将其转换为灰度图像，然后再进行处理。