频域滤波python

频域滤波在Python中可以通过使用傅里叶变换和逆变换来实现。首先，将原始图像转换为频域，然后对频域图像进行滤波处理，最后再通过逆变换将滤波后的频域图像转换回空间域。以下是实现频域滤波的Python代码示例：

import numpy as np
import cv2

# 读取原始图像
image = cv2.imread('input.jpg', 0)

# 进行傅里叶变换
f = np.fft.fft2(image)

# 将低频部分移到中心
f_shift = np.fft.fftshift(f)

# 构建频域滤波器，可根据需要选择不同的滤波器类型和参数
# 例如，构建一个理想低通滤波器
rows, cols = image.shape
crow, ccol = rows//2, cols//2
mask = np.zeros((rows, cols), np.uint8)
mask[crow-30:crow+30, ccol-30:ccol+30] = 1

# 应用滤波器
f_shift_filtered = f_shift * mask

# 将滤波后的频域图像转换回原始图像空间域
f_filtered = np.fft.ifftshift(f_shift_filtered)
image_filtered = np.fft.ifft2(f_filtered).real

# 将图像从浮点型转换为整型
image_filtered = np.uint8(image_filtered)

# 显示滤波后的图像
cv2.imshow('Filtered Image', image_filtered)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码将读取名为"input.jpg"的原始图像，并对其进行频域滤波处理。其中，使用的滤波器是一个理想低通滤波器，通过设置掩模mask实现。通过调整掩模大小和形状，可以实现不同类型的滤波效果。