python图片添加周期噪声并在频率域观察

要添加周期噪声并在频率域观察，可以使用以下步骤：

1. 导入所需的库和图像

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

img = cv2.imread('image.jpg', 0)

2. 生成周期噪声

我们可以使用正弦函数来生成周期噪声。为了使噪声更加明显，我们可以使用不同的频率和振幅。

例如，如果我们想要添加一个频率为 10 的噪声，我们可以使用以下代码：

rows, cols = img.shape
f = 10
amplitude = 50

# 生成正弦函数
sin_func = amplitude * np.sin(2 * np.pi * f * np.arange(cols) / cols)

# 复制到所有行
noise = np.tile(sin_func, (rows, 1))

这将生成一个与图像大小相同的数组，其中每行都包含相同的正弦波。

3. 将噪声添加到图像中

noisy_img = img + noise

4. 可视化图像和频率域

# 显示原始图像和噪声图像
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])

plt.subplot(122), plt.imshow(noisy_img, cmap='gray')
plt.title('Noisy Image'), plt.xticks([]), plt.yticks([])

plt.show()

# 显示频率域
f = np.fft.fft2(noisy_img)
fshift = np.fft.fftshift(f)
magnitude_spectrum = 20 * np.log(np.abs(fshift))

plt.subplot(121), plt.imshow(noisy_img, cmap='gray')
plt.title('Noisy Image'), plt.xticks([]), plt.yticks([])

plt.subplot(122), plt.imshow(magnitude_spectrum, cmap='gray')
plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])

plt.show()

这将显示原始图像、添加噪声后的图像以及频率域的幅度谱。频率域的幅度谱将显示噪声的频率和振幅。