python对图像进行频域滤波

Python可以使用NumPy和OpenCV库对图像进行频域滤波。

在NumPy中，可以使用FFT（快速傅里叶变换）和IFFT（逆快速傅里叶变换）函数进行频域滤波。首先，读取图像并将其转化为灰度图像：

import cv2
import numpy as np

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

然后，计算图像的傅里叶变换：

f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)

进行滤波操作，例如使用高通滤波器：

rows, cols = img.shape
crow, ccol = rows/2, cols/2

# 生成高通滤波器
mask = np.ones((rows, cols), np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 0

# 应用高通滤波器
fshift *= mask

# 进行逆傅里叶变换
f_ishift = np.fft.ifftshift(fshift)
img_back = np.fft.ifft2(f_ishift)
img_back = np.abs(img_back)

最后，将滤波后的图像保存：

cv2.imwrite('filtered_image.jpg', img_back)

在OpenCV中，可以使用cv2.dft()和cv2.idft()函数进行傅里叶变换和逆傅里叶变换：

img = cv2.imread('image.jpg', 0)
dft = cv2.dft(np.float32(img), flags=cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dft)

# 生成高通滤波器
rows, cols = img.shape
crow, ccol = rows/2, cols/2
mask = np.ones((rows, cols, 2), np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 0

# 应用高通滤波器
fshift = dft_shift*mask
f_ishift = np.fft.ifftshift(fshift)
img_back = cv2.idft(f_ishift)
img_back = cv2.magnitude(img_back[:,:,0], img_back[:,:,1])

cv2.imwrite('filtered_image.jpg', img_back)

以上代码只是一个示例，具体的滤波器和操作方式需要根据实际需求进行选择和调整。