opencv图像中频域滤波去除噪声，使用c++代码

以下是使用OpenCV C++实现频域滤波去除噪声的示例代码。首先，我们将读取一张图像并添加高斯噪声。然后，我们将对图像进行频域滤波以去除噪声。

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    // 读取图像
    Mat image = imread("image.jpg", IMREAD_GRAYSCALE);

    // 添加高斯噪声
    Mat noise;
    randn(noise, 0, 50);
    Mat noisy_image = image + noise;

    // 显示原始图像和加噪声后的图像
    imshow("Original Image", image);
    imshow("Noisy Image", noisy_image);

    // 计算傅里叶变换
    Mat complex_image;
    Mat padded_image;
    int m = getOptimalDFTSize(noisy_image.rows);
    int n = getOptimalDFTSize(noisy_image.cols);
    copyMakeBorder(noisy_image, padded_image, 0, m - noisy_image.rows, 0, n - noisy_image.cols, BORDER_CONSTANT, Scalar::all(0));
    Mat planes[] = { Mat_<float>(padded_image), Mat::zeros(padded_image.size(), CV_32F) };
    merge(planes, 2, complex_image);
    dft(complex_image, complex_image);

    // 创建低通滤波器
    Mat low_pass_filter = Mat::zeros(complex_image.size(), CV_32F);
    circle(low_pass_filter, Point(low_pass_filter.cols / 2, low_pass_filter.rows / 2), 50, Scalar(1), -1);

    // 应用低通滤波器
    Mat filtered_image;
    mulSpectrums(complex_image, low_pass_filter, complex_image, 0);
    idft(complex_image, filtered_image, DFT_SCALE | DFT_REAL_OUTPUT);

    // 显示过滤后的图像
    imshow("Filtered Image", filtered_image);

    waitKey(0);
    return 0;
}

在上面的代码中，我们首先读取图像并添加高斯噪声。然后，我们使用OpenCV的DFT函数计算图像的傅里叶变换，并创建一个低通滤波器。通过使用mulSpectrums函数将图像的傅里叶变换和滤波器相乘，我们可以将高频噪声过滤掉。最后，我们使用IDFT函数计算过滤后的图像。

在运行上面的代码后，您应该能够看到原始图像、加噪声的图像和过滤后的图像。过滤后的图像中的噪声应该比加噪声的图像中的噪声要少。