图片理想低通滤波器python代码

在Python中，我们可以使用NumPy库来创建一个简单的理想低通滤波器。理想低通滤波器通常用于信号处理，它允许低于某个特定频率（截止频率）的信号通过，而抑制高于这个频率的信号。这里我们用一个数字IIR（无限 impulse response）滤波器来实现，例如巴特沃斯滤波器。

import numpy as np

def ideal_low_pass_filter(image, cutoff_frequency, filter_size=5):
    # 确定滤波器大小和步长
    height, width = image.shape
    kernel_size = (filter_size, filter_size)
    stride = (1, 1)

    # 创建滤波器系数数组，理想的低通滤波器在中心值为1，其他位置为0
    taps = np.zeros(kernel_size)
    taps[(kernel_size[0] // 2), (kernel_size[1] // 2)] = 1

    # 对每个像素应用卷积操作
    filtered_image = np.zeros_like(image)
    for i in range(0, height - kernel_size[0], stride[0]):
        for j in range(0, width - kernel_size[1], stride[1]):
            window = image[i:i+kernel_size[0], j:j+kernel_size[1]]
            filtered_window = np.convolve(window, taps, mode='same')
            filtered_image[i:i+kernel_size[0], j:j+kernel_size[1]] = filtered_window

    return filtered_image

# 使用示例
image_data = ... # 你需要替换为实际图片数据
cutoff_frequency = 0.5  # 设定你的截止频率，单位通常是图像频率（如像素/长度）
filtered_image = ideal_low_pass_filter(image_data, cutoff_frequency)