opencv图像中频域滤波去除噪声，使用c++代码

以下是一个简单的示例代码，展示如何使用OpenCV进行频域滤波去除噪声：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
    // 读取图像
    Mat img = imread("lena.jpg", IMREAD_GRAYSCALE);
    if (img.empty())
    {
        cout << "图像加载失败！" << endl;
        return -1;
    }

    // 对图像进行傅里叶变换
    Mat complexImg;
    dft(img, complexImg, DFT_COMPLEX_OUTPUT);

    // 构建滤波器
    Mat filter(complexImg.size(), CV_32F);
    Point center(complexImg.cols / 2, complexImg.rows / 2);
    for (int i = 0; i < complexImg.rows; i++)
    {
        for (int j = 0; j < complexImg.cols; j++)
        {
            float distance = sqrt(pow((i - center.y), 2) + pow((j - center.x), 2));
            if (distance > 50) // 阈值可以自行调整
            {
                filter.at<float>(i, j) = 1.0;
            }
            else
            {
                filter.at<float>(i, j) = 0.0;
            }
        }
    }

    // 对频域图像进行滤波
    Mat filteredImg;
    mulSpectrums(complexImg, filter, filteredImg, 0);

    // 对滤波后的频域图像进行反傅里叶变换
    Mat resultImg;
    idft(filteredImg, resultImg, DFT_SCALE | DFT_REAL_OUTPUT);

    // 显示原始图像和去噪后的图像
    imshow("原始图像", img);
    imshow("去噪后的图像", resultImg);
    waitKey();

    return 0;
}

该示例代码实现了以下步骤：

1. 加载图像。
2. 对图像进行傅里叶变换，得到频域图像。
3. 构建滤波器，根据阈值去除频域中的噪声。
4. 对频域图像进行滤波。
5. 对滤波后的频域图像进行反傅里叶变换，得到去噪后的图像。
6. 显示原始图像和去噪后的图像。

其中，步骤3中的滤波器是一个矩阵，其大小和频域图像相同，每个元素表示对应频率的权重，为0表示该频率被过滤掉，为1表示该频率不受影响。在本示例中，我们使用了一个圆形滤波器，将距离中心点大于50的频率过滤掉，以去除高频噪声。您可以根据实际需求选择不同的滤波器。