周期性噪声的FFT去除

Question

这是一个被广泛讨论的话题，但我碰巧有一个问题还没有得到回答。 我的问题不是方法本身，而是它的适用性： 我的图像的f（x，y）表示的物理值可以是负值或正值。当我掩蔽对应的峰值时，比如中值，在应用逆FFT之后，我得到了一个复杂的图像。在

这合情合理！=ifft（fft（图像））如果图像！=图像，因此很可能是复杂结果？在

因此，我取图像数组的绝对值，得到一个干净的图像。但是通过拍摄图像的腹肌，我失去了负值！

我的代码很复杂，它使用多个图像来找到正确的遮罩位置，因此我将分解为以下要点：

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)

我处理后得到的图像如下： 条纹图案是我想去掉的

这些是应用于FFT的掩码

条纹图案大部分被删除，但现在的图像是纯正面的！在

您可以在评论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： 或者先在原始值之间缩放图像，然后再重新缩放，类似于：

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负数的值。 尽管我建议在函数调用期间检查它们是否被更改，以避免恢复噪声