如何从图像中去除高频内容以进行逆傅立叶变换

Question

我在opencv中看到了几个文件解释这个，但我的目标是用numpy＆amp; SciPy的。

我想我必须用某种圆圈掩盖光谱的外部区域，因为我用60x60矩形屏蔽光谱的中心以进行低频滤波。但我无法理解。

我想学习如何在使用numpy数组进行逆傅立叶变换之前从幅度谱中去除高频分量。

我提供了傅里叶变换和逆傅里叶变换（用于去除低频分量）的代码。我的目标是做类似的事情，但这次我想删除高频成分，以便能够观察重建图像的变化 - 就像我在去除低频后对逆FT所做的那样。

 import numpy as np
 import scipy
 import scipy.misc
 import matplotlib.pyplot as plt
 from scipy import ndimage
 from PIL import Image

 img = Image.open('gorkem.png').convert('L')
 img.save('output_file.jpg')

 f = np.fft.fft2(img)
 fshift = np.fft.fftshift(f) ## shift for centering 0.0 (x,y)
 magnitude_spectrum = 20*np.log(np.abs(fshift))

 plt.subplot(121),plt.imshow(img, cmap = 'gray')
 plt.title('Input Image'), plt.xticks([]), plt.yticks([])
 plt.subplot(122),plt.imshow(magnitude_spectrum, cmap = 'gray')
 plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([])
 plt.show()

 ## removing low frequency contents by applying a 60x60 rectangle window (for masking)
 rows = np.size(img, 0) #taking the size of the image
 cols = np.size(img, 1)
 crow, ccol = rows/2, cols/2

 fshift[crow-30:crow+30, ccol-30:ccol+30] = 0
 f_ishift= np.fft.ifftshift(fshift)

 img_back = np.fft.ifft2(f_ishift) ## shift for centering 0.0 (x,y)
 img_back = np.abs(img_back)

 plt.subplot(131),plt.imshow(img, cmap = 'gray')
 plt.title('Input Image'), plt.xticks([]), plt.yticks([])
 plt.subplot(132),plt.imshow(img_back, cmap = 'gray')
 plt.title('Image after removing low freq'), plt.xticks([]), plt.yticks([])

Answer 1

您可以从原始图像中删除低频率的图像：

original = np.copy(fshift)
fshift[crow-30:crow+30, ccol-30:ccol+30] = 0
f_ishift= np.fft.ifftshift(original - fshift)