FFT 去除周期性噪声

Question

这是一个讨论很多的话题，但我碰巧有一个问题尚未得到解答。 我的问题不是它本身的方法，而是它的适用性： 我的图像的 f(x,y) 表示可以是负或正的物理值。当我屏蔽与中位数相对应的峰值时，在应用逆 FFT 后，我得到了一个复杂的图像。

这与 image != ifft(fft(image)) if image != image 合乎逻辑，因此它很可能是复杂的结果？

因此，我获取图像数组的绝对值，并得到一个干净整洁的图像。但是通过获取图像的 abs 我已经失去了负值！

我的代码很复杂，并且使用多个图像来找到正确的遮罩位置，因此我将分解为要点：

def everything(fft,fftImage,sizeOfField,shapeOfFFT):
max_x = []
max_y = []
median = np.median(fft)

threshold = 500
#correctLocalMax() holds several subfunctions that look for the propper max_x and max_y. This works fine and returns 2 lists max_x,max_Y that contain the coordiantes of the max's
max_x,max_y = correctLocalMax(iStart = 0,iStop = 30, jStart =0 , jStop = shapeOfFFT[1],threshold=threshold, max_x = max_x, max_y = max_y)

for i in range(len(max_x)):
    for k in range(sizeOfField):
        for l in range(sizeOfField):
            fftImage[max_x[i]+k][max_y[i]+l] = median

return(fftImage)

image, coverage, stdev = pickleOpener(dataDir,i)
field = getROI(image,area,i0,j0)

fftImage = np.fft.fft2(image)
fftImage = np.fft.fftshift(fftImage)

fft = np.fft.fft2(coverage)
fft = np.fft.fftshift(fft)

fftMod = everything(fft, fftImage, sizeOfField, shapeOfFFT)
imageBack = np.fft.ifft2(fftMod)
imageBack = np.abs(imageBack)
field = getROI(imageBack,area,i0,j0)

我拥有和处理后得到的图像如下所示： 条纹图案是我要删除的图案

这些是应用于 FFT 的掩码

条纹图案大部分被移除，但现在图像是纯正的！

您可以在 cmets 中找到问题的正确解决方案！

Answer 1

您可以尝试两种不同的方法： 要么先在原始值之间缩放图像，然后再重新缩放，有点像这样：

max_val = max(max(A))
min_val = min(min(A))
% normalize to [0,1]
image = norm(image)
% do your stuff here
% then rescale to original values
image = min_val + (max_val - min_val).*image / (max_val - min_val)

另一种方法是首先保存哪些值为负数。 虽然我建议检查它们是否在您的函数调用期间被更改以避免恢复您的噪音