opencv通过傅里叶变换去除图像规律噪声的c++代码

以下是使用OpenCV的傅里叶变换去除图像规律噪声的C ++代码示例：

#include <opencv2/opencv.hpp>

using namespace cv;

int main()
{
    Mat image = imread("input.jpg", IMREAD_GRAYSCALE);
    if (image.empty())
    {
        std::cout << "Could not open or find the image" << std::endl;
        return -1;
    }

    // 将图像扩展到最佳的大小
    Mat padded;
    int m = getOptimalDFTSize(image.rows);
    int n = getOptimalDFTSize(image.cols);
    copyMakeBorder(image, padded, 0, m - image.rows, 0, n - image.cols, BORDER_CONSTANT, Scalar::all(0));

    // 将图像转换为复数形式
    Mat planes[] = { Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F) };
    Mat complexImage;
    merge(planes, 2, complexImage);

    // 执行傅里叶变换
    dft(complexImage, complexImage);

    // 创建高斯滤波器
    Mat filter = Mat(padded.size(), CV_32F);
    float sigma = 10;
    float centerx = filter.cols / 2;
    float centery = filter.rows / 2;
    for (int i = 0; i < filter.rows; i++)
    {
        for (int j = 0; j < filter.cols; j++)
        {
            float distance = (j - centerx)*(j - centerx) + (i - centery)*(i - centery);
            filter.at<float>(i, j) = exp(-distance / (2 * sigma*sigma));
        }
    }

    // 将滤波器应用于频域图像
    Mat planes2[] = { Mat::zeros(complexImage.size(), CV_32F), Mat::zeros(complexImage.size(), CV_32F) };
    split(complexImage, planes2);
    planes2[0] = planes2[0].mul(filter);
    planes2[1] = planes2[1].mul(filter);
    merge(planes2, 2, complexImage);

    // 执行傅里叶反变换
    idft(complexImage, complexImage);

    // 从复数形式转换为幅度图像
    Mat restoredImage;
    split(complexImage, planes);
    magnitude(planes[0], planes[1], restoredImage);

    // 将图像裁剪到原始大小
    restoredImage = restoredImage(Rect(0, 0, image.cols, image.rows));

    // 显示结果
    imshow("原始图像", image);
    imshow("去除规律噪声后的图像", restoredImage);
    waitKey();

    return 0;
}

在此示例中，我们首先读取输入灰度图像。然后，我们将图像扩展到最佳大小，这是执行傅里叶变换的要求。接下来，我们将图像转换为复数形式，并执行傅里叶变换。然后，我们创建高斯滤波器，并将其应用于频域图像。最后，我们执行傅里叶反变换，并将结果转换为幅度图像。最后，我们将图像裁剪回原始大小，并显示结果。