傅里叶滤波，回到图像

Question

傅里叶滤波，回到图像

5

我在数据中发现了一个重复的边缘图案，我试图通过傅里叶变换并删除该图案来解决问题。但是，我似乎找不到正确的方法返回图像空间。

red_cube_array = (cube_array - np.median(cube_array)) * taper

im_fft  = (fftpack.fft2(red_cube_array))
im_po   = fftpack.fftshift((np.conjugate(im_fft) * im_fft).real)

mask = np.empty_like(im_po[0])*0 + 1
mask[417:430, 410:421] = 0
mask[430:443, 438:450] = 0

im_po_mask = im_po * mask

im_ifft = fftpack.ifft2(fftpack.ifftshift(im_po_mask))

taper只是一个数组，用于平滑边缘以消除在执行FFT时产生的边缘效应。然后我进行FFT并粗略地过滤杂质。但是返回操作似乎不起作用。我是不是哪里出错了？

- Coolcrab

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- SleuthEye · Accepted Answer

问题出现在以下代码行：

im_po = fftpack.fftshift((np.conjugate(im_fft) * im_fft).real)

这基本上是计算信号的幅度（在频域中），丢弃相位信息。没有相位信息，空间域图像无法唯一重建。

要解决问题，只需在复值频域im_fft数据上应用掩码：

im_po = fftpack.fftshift(im_fft)

mask = np.empty_like(im_po[0])*0 + 1
mask[417:430, 410:421] = 0
mask[430:443, 438:450] = 0

im_po_mask = im_po * mask