opencv通过傅里叶变换去除图像正弦噪声的c++代码

以下是使用OpenCV进行傅里叶变换去除图像正弦噪声的C ++代码示例：

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

using namespace cv;
using namespace std;

int main()
{
    Mat img = imread("lena.jpg", IMREAD_GRAYSCALE); // 读取灰度图像
    if (img.empty())
    {
        cout << "Failed to load image" << endl;
        return -1;
    }

    // 添加正弦噪声
    int amplitude = 50;
    float frequency = 0.1;
    for (int i = 0; i < img.rows; i++)
    {
        for (int j = 0; j < img.cols; j++)
        {
            img.at<uchar>(i, j) += amplitude * sin(frequency * j);
        }
    }

    // 显示原始图像
    imshow("Original Image", img);

    // 执行傅里叶变换
    Mat planes[] = { Mat_<float>(img), Mat::zeros(img.size(), CV_32F) };
    Mat complexImg;
    merge(planes, 2, complexImg);
    dft(complexImg, complexImg);

    // 去除正弦噪声
    for (int i = 0; i < complexImg.rows; i++)
    {
        for (int j = 0; j < complexImg.cols; j++)
        {
            float real = complexImg.at<Vec2f>(i, j)[0];
            float imag = complexImg.at<Vec2f>(i, j)[1];

            // 计算频率
            float freq = sqrt(i * i + j * j);

            // 如果频率在噪声频率附近，则将该频率的幅度设置为0
            if (freq > frequency * img.cols - amplitude && freq < frequency * img.cols + amplitude)
            {
                complexImg.at<Vec2f>(i, j)[0] = 0;
                complexImg.at<Vec2f>(i, j)[1] = 0;
            }
        }
    }

    // 执行傅里叶逆变换
    Mat filteredImg;
    idft(complexImg, filteredImg, DFT_SCALE | DFT_REAL_OUTPUT);

    // 显示去噪后的图像
    imshow("Filtered Image", filteredImg);

    waitKey(0);
    return 0;
}

在这个示例中，我们首先加载一张灰度图像，并添加了一个正弦噪声。然后，我们执行傅里叶变换来将图像从空间域转换到频率域。接下来，我们遍历频率域中的每个像素，并检查其频率是否在噪声频率附近。如果是，则将该频率的幅度设置为零，以去除噪声。最后，我们执行傅里叶逆变换以将图像从频率域转换回空间域，并显示去噪后的图像。