python实现数字图像理性低通滤波

以下是使用Python实现数字图像理想低通滤波的示例代码：

import numpy as np
import cv2

def ideal_lowpass_filter(image, cutoff_freq):
    # 获取图像的傅里叶变换
    f = np.fft.fft2(image)
    fshift = np.fft.fftshift(f)

    # 构建理想低通滤波器
    rows, cols = image.shape
    crow, ccol = rows // 2, cols // 2
    mask = np.zeros((rows, cols), np.uint8)
    mask[crow - cutoff_freq:crow + cutoff_freq, ccol - cutoff_freq:ccol + cutoff_freq] = 1

    # 将滤波器应用于频域图像
    fshift_filtered = fshift * mask

    # 反变换得到滤波后的图像
    f_ishift = np.fft.ifftshift(fshift_filtered)
    image_filtered = np.abs(np.fft.ifft2(f_ishift))

    return image_filtered

# 读取图像
image = cv2.imread('image.jpg', 0)  # 以灰度模式读取图像

# 调用理想低通滤波函数
cutoff_freq = 30  # 截止频率
filtered_image = ideal_lowpass_filter(image, cutoff_freq)

# 显示原始图像和滤波后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Filtered Image', filtered_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，上述代码中的`image.jpg`是待处理的图像文件名，你需要将其替换为你自己的图像文件名。此外，`cutoff_freq`是截止频率，你可以根据需要进行调整。