图像处理——空间域（FFT）频域

首先，收藏一个讲的比较好的帖子

目的：
需要向图像增加额外的相位干扰，使图像模糊；类似于高斯模糊之类的
做法：

1. 图像傅里叶变换到频域
2. 单波长激光传播到的远场图像作为滤波器，归一到0-1；注意：如果影响极小，也就是远场是一个光斑，那么就再叠加就不行了，这里就舍弃这个滤波器 11.18: 远场图像经过傅里叶变换，然后位移到中心，图像取abs（即reaal^2+imag2再开平方），再归一化到0-1，同样加一个极小值，然后再作为滤波器；这样就解决了光斑影响大的问题。
3. 频域与滤波器相乘（类似低通：滤掉中心区域外高频的点，空间域中图像就模糊了）
4. 傅里叶逆变换
5. 还原做法：在2归一化时加上一个极小值使不为0，然后之后还原就直接将模糊图像进行傅里叶变换，频域除以滤波器就好了。

实现:

class ImgFft(object):
    def __init__(self):
        pass
    
    #远场图像转滤波器 0-1
    def img2filter(self,img2):
        _filter = (img2 - np.min(img2))/(np.max(img2) - np.min(img2)) + 0.00001
        np.where(_filter > 1,1,filter)
        sum_filter = np.sum(_filter)
        if sum_filter <  _filter.shape[0]*_filter.shape[0]*0.05*0.05:#相差小，都成光斑了
            print("无需矫正，相差小！")
            _filter.fill(1)
        return _filter

    #傅里叶变换
    def fft(self,img):
        fft_img = np.fft.fft2(img)
        fft_img = np.fft.fftshift(fft_img)
        return fft_img
    
    #反傅里叶变换
    def fft2img(self,fft):
        return np.fft.ifft2(fft)

    #图像频域叠加相差，（空间域卷积操作）滤波；得到模糊图像
    def  fft_imgblur(self,fft,_filter):
        #变模糊过程
        fft_change = fft* _filter
        return self.fft2img(fft_change)
    
    #模糊图像矫正到原fft
    def restore_fft(self,img_fitered,_filter):
        #较正过程
        inv_fft = np.fft.fft2(img_fitered)
        inv_change = 1.0*inv_fft/ _filter  #
        inv_change = np.fft.fftshift(inv_change)
        return inv_change
    
    #img2utf8
    def img2utf8(self,img):
        return  np.uint8(np.abs(img))

    #test
    def test_turn(self,img1,img2):
        _filter = self.img2filter(img2)
        fft1 = self.fft(img1)
        img_fitered = self.fft_imgblur(fft1,_filter)
        fft_restore = self.restore_fft(img_fitered,_filter)
        img_restore = self.fft2img(fft_restore)

        #show
        filter_img = self.img2utf8(_filter*255)
        img_fitered = self.img2utf8(img_fitered)
        img_restore = self.img2utf8(img_restore)

        cv2.imshow('filter_img',filter_img)
        cv2.imshow('img_fitered',img_fitered)
        cv2.imshow('img_restore',img_restore)
        cv2.imshow('source',img1)
        cv2.waitKey()

效果: