opencv图像中频域滤波去除噪声，使用c++代码

以下是使用C语言和OpenCV库实现频域滤波去除噪声的示例代码：

#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 << "读取图像失败！" << endl;
        return -1;
    }

    // 添加高斯噪声
    Mat noisyImg;
    GaussianBlur(img, noisyImg, Size(7, 7), 10);
    imwrite("noisyImage.jpg", noisyImg);

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

    // 显示频谱图
    Mat magImg;
    magnitude(planes[0], planes[1], magImg);
    magImg += Scalar::all(1);
    log(magImg, magImg);
    normalize(magImg, magImg, 0, 1, NORM_MINMAX);
    imshow("频谱图", magImg);

    // 生成滤波器
    Mat filter = Mat::zeros(noisyImg.size(), CV_32F);
    int cx = noisyImg.cols / 2;
    int cy = noisyImg.rows / 2;
    for (int i = 0; i < noisyImg.rows; i++)
    {
        for (int j = 0; j < noisyImg.cols; j++)
        {
            float d = sqrt(pow(i - cy, 2) + pow(j - cx, 2));
            if (d < 30)
            {
                filter.at<float>(i, j) = 1;
            }
        }
    }

    // 显示滤波器
    imshow("滤波器", filter);

    // 应用滤波器
    Mat filteredImg;
    mulSpectrums(complexImg, filter, complexImg, 0);
    idft(complexImg, filteredImg, DFT_SCALE | DFT_REAL_OUTPUT);

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

    waitKey();

    return 0;
}

以上代码实现了以下功能：

1. 读取图像；
2. 给图像添加高斯噪声；
3. 进行傅里叶变换，并显示频谱图；
4. 生成滤波器；
5. 应用滤波器；
6. 进行反傅里叶变换，得到去噪后的图像；
7. 显示去噪后的图像。

在代码中，我们使用`imread`函数读取图像，使用`GaussianBlur`函数添加高斯噪声。然后，我们将图像转换为频域表示，通过计算距离生成一个低通滤波器，将其应用于频域图像，再进行反傅里叶变换得到去噪后的图像。最后，我们使用`imshow`函数显示频谱图、滤波器和去噪后的图像，并使用`waitKey`函数等待用户按下键盘上的任意键。

注意：这里的代码只适用于灰度图像。如果要处理彩色图像，需要将其转换为YUV或HSV等颜色空间，对亮度通道进行处理，再转换回RGB。