import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('lenaNoise.png', 0) # 直接读为灰度图像 fft2 = np.fft.fft2(img) # FFT快速傅里叶变换 s1 = np.log(np.abs(fft2)) fftShift = np.fft.fftshift(np.fft.fft2(img)) # 将低频部分移动到中间 s2 = np.log(np.abs(fftShift)) plt.subplot(221), plt.imshow(np.abs(img), 'gray'), plt.title('original') plt.subplot(222), plt.imshow(np.abs(s1), 'gray'), plt.title('fft') plt.subplot(223), plt.imshow(np.abs(s2), 'gray'), plt.title('fftShift') #定义掩模:生成的掩模中间为1周围为0 row, col = int(img.shape[0] / 2), int(img.shape[1] / 2) # 求得图像的中心点位置 mask = np.zeros((img.shape[0], img.shape[1])) mask[row-20:row+20, col-20:col+20] = 1 # 保留了中间40^2个低频部分 #将掩模与傅里叶变化后图像相乘,保留中间部分 mask_img = fftShift * mask #使用np.fft.ifftshift将低频移动到原来的位置 ifftShift = np.fft.ifftshift(mask_img) ifft2 = np.fft.ifft2(ifftShift) plt.subplot(224), plt.imshow(np.abs(ifft2), 'gray'), plt.title('ifft2') plt.show() 结果如下图