opencv通过傅里叶变换去除图像余弦噪声的c++代码

以下是opencv通过傅里叶变换去除图像余弦噪声的C++代码：

#include <opencv2/opencv.hpp>

using namespace cv;

int main()
{
    Mat img = imread("lena.jpg", IMREAD_GRAYSCALE);

    Mat noise(img.size(), CV_32F);
    randn(noise, 0, 32); // 添加高斯噪声

    Mat noisyImg;
    img.convertTo(noisyImg, CV_32F);
    noisyImg += noise; // 添加噪声

    Mat planes[] = {Mat_<float>(noisyImg), Mat::zeros(noisyImg.size(), CV_32F)};
    Mat complexImg;
    merge(planes, 2, complexImg); // 构造复数图像

    dft(complexImg, complexImg); // 傅里叶变换

    Mat mag, phase;
    split(complexImg, planes); // 分离实部和虚部
    magnitude(planes[0], planes[1], mag); // 计算幅值
    phase = Mat(planes[1].size(), CV_32F);
    phase = atan2(planes[1], planes[0]); // 计算相位

    Mat filteredMag;
    GaussianBlur(mag, filteredMag, Size(5, 5), 0); // 高斯滤波

    Mat planes2[] = {filteredMag.mul(cos(phase)), filteredMag.mul(sin(phase))};
    Mat complexImg2;
    merge(planes2, 2, complexImg2); // 构造复数图像

    idft(complexImg2, complexImg2); // 傅里叶反变换

    Mat planes3[] = {Mat::zeros(img.size(), CV_32F), Mat::zeros(img.size(), CV_32F)};
    split(complexImg2, planes3); // 分离实部和虚部
    Mat restoredImg;
    magnitude(planes3[0], planes3[1], restoredImg); // 计算幅值
    normalize(restoredImg, restoredImg, 0, 255, NORM_MINMAX, CV_8U); // 归一化

    imshow("Original Image", img);
    imshow("Noisy Image", noisyImg);
    imshow("Restored Image", restoredImg);
    waitKey();

    return 0;
}

这段代码首先读入一张灰度图像，然后添加高斯噪声。接着，将图像转换为浮点型，并构造出复数图像。对复数图像进行傅里叶变换，得到实部和虚部。分别计算幅值和相位。对幅值进行高斯滤波，并根据相位重新构造出复数图像。对复数图像进行傅里叶反变换，得到恢复后的图像。最后，将恢复后的图像归一化并显示出来。