我的数据上有一个重复的条纹图案，我试图通过对其进行傅里叶变换并删除该图案来将其消除。但是我似乎无法找到返回图像空间的正确方法。
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，它在执行 FFT 时平滑边缘以消除边缘效应。然后我对数组进行 FFT 并非常粗略地过滤掉垃圾。但是回去似乎不起作用。我在什么地方绊倒了吗？
最佳答案
问题出现在下面一行:
im_po = fftpack.fftshift((np.conjugate(im_fft) * im_fft).real)
这实质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，空间域图像无法被唯一重建。
要解决此问题，只需在复值频域 im_fft 数据上应用掩码即可:
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
关于python - 傅立叶滤波，回到图像，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52043238/