python图像频域低通滤波

以下是Python实现图像频域低通滤波的示例代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 读取图像
img = cv2.imread('lena.png', 0)
f = np.fft.fft2(img)  # 傅里叶变换
fshift = np.fft.fftshift(f)  # 频域中心化

# 构建低通滤波器
rows, cols = img.shape
crow, ccol = int(rows/2), int(cols/2)
mask = np.zeros((rows, cols), np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 1

# 应用低通滤波器
fshift = fshift*mask
ishift = np.fft.ifftshift(fshift)
img_back = np.fft.ifft2(ishift)
img_back = np.abs(img_back)

# 显示结果
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(img_back, cmap='gray')
plt.title('Low Pass Filtered Image'), plt.xticks([]), plt.yticks([])
plt.show()

首先，读取图像并对其进行傅里叶变换和频域中心化：

img = cv2.imread('lena.png', 0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)

然后，构建一个低通滤波器，其中心部分为1，其余部分为0：

rows, cols = img.shape
crow, ccol = int(rows/2), int(cols/2)
mask = np.zeros((rows, cols), np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 1

在这里，我们选择了一个半径为30的圆形低通滤波器。

接下来，将这个低通滤波器应用于频域图像：

fshift = fshift*mask
ishift = np.fft.ifftshift(fshift)
img_back = np.fft.ifft2(ishift)
img_back = np.abs(img_back)

最后，显示原始图像和低通滤波器处理后的图像：

plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(img_back, cmap='gray')
plt.title('Low Pass Filtered Image'), plt.xticks([]), plt.yticks([])
plt.show()

运行代码后，将显示以下结果：