傅里叶图像去噪 python

傅里叶图像去噪是一种常用的图像处理方法，其基本思想是利用傅里叶变换将图像从空域转换到频域，然后进行滤波处理，再进行逆傅里叶变换将图像恢复到空域。

在Python中，我们可以使用NumPy库来进行傅里叶变换和逆变换，以及进行频域滤波处理。

首先，我们需要导入必要的库：

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

然后，读取待去噪的图像并转换为灰度图像：

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

接下来，我们可以使用傅里叶变换将图像转换到频域：

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

然后，我们可以构建一个滤波器，将高频噪声滤除：

rows, cols = image.shape
crow, ccol = rows // 2, cols // 2
fshift[crow - 30:crow + 30, ccol - 30:ccol + 30] = 0

接下来，我们可以进行逆傅里叶变换将图像恢复到空域：

ishift = np.fft.ifftshift(fshift)
image_denoised = np.fft.ifft2(ishift)
image_denoised = np.abs(image_denoised)

最后，我们可以可视化去噪后的图像：

plt.subplot(121), plt.imshow(image, cmap='gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(image_denoised, cmap='gray')
plt.title('Denoised Image'), plt.xticks([]), plt.yticks([])
plt.show()

通过调整滤波器的大小和位置，我们可以根据实际需要对图像进行去噪处理。