我的数据上有一个重复的条纹图案，我正在尝试通过傅立叶变换它并删除该图案来消除它。但是我似乎找不到找到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只是在进行FFT时平滑边缘以消除边缘影响的数组。然后，我对数组进行FFT，并非常粗略地过滤掉了垃圾。但是，返回似乎无效。我在某个地方绊倒吗？
问题出现在以下行：
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），从而丢掉了相位信息。没有相位信息，就无法唯一地重建空间域图像。
要解决此问题，只需对复杂值的频域im_fft数据应用掩码：
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
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句