Python 对彩色图像进行傅里叶变换模糊处理的示例

好的，这是一个使用Python对彩色图像进行傅里叶变换模糊处理的示例代码：

首先，我们需要安装必要的库，包括numpy、opencv-python和scipy：

pip install numpy opencv-python scipy

然后，我们可以按照以下步骤进行傅里叶变换和模糊处理：

import cv2
import numpy as np
from scipy import fftpack

# 读取图像
img = cv2.imread('test.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行二维傅里叶变换
f = np.fft.fft2(gray)

# 将低频信号移到中心位置
fshift = np.fft.fftshift(f)

# 构建振幅谱
magnitude_spectrum = 20 * np.log(np.abs(fshift))

# 定义模糊核
kernel_size = 21
sigma = 5
kernel = cv2.getGaussianKernel(kernel_size, sigma)
kernel = np.outer(kernel, kernel)

# 将模糊核归一化
kernel /= kernel.sum()

# 进行频域滤波
fshift *= kernel

# 将中心位置移到原来的位置
fshift = np.fft.ifftshift(fshift)

# 进行反傅里叶变换
img_back = np.fft.ifft2(fshift)

# 取反傅里叶变换的实部，并转换回uint8类型
img_back = np.uint8(np.real(img_back))

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Magnitude Spectrum', magnitude_spectrum)
cv2.imshow('Blurred Image', img_back)
cv2.waitKey(0)

以上代码会显示原始图像、频域振幅谱和经过傅里叶变换和频域滤波后的图像。你可以根据需要调整模糊核的大小和标准差。