matlab进行图像傅里叶变换去噪（fft2、fftshift、ifft2、ifftshift）

在数字图像处理中，去噪是一个经常进行的操作。
除了在空域上进行去噪，比如使用均值滤波、中值滤波等等滤波器外，利用傅里叶变换在频域上进行操作也是一种非常有效的方式。

使用傅里叶变换进行图像去噪的原理如下：
我们知道，图像中的噪声往往代表着图像上灰度值的突变，从而对应着高频部分，而图像中的其他大部分内容则主要集中在低频部分。
因此，通过将空间图像进行傅里叶变换后，转化到频域上，我们可以得到这个图像每个像素的相位和幅度值。
对于相位而言，代表着图像中的位置形状信息，一般情况下我们不对其做处理，否则可能就无法恢复出原始图像的形状。
而幅度值则主要代表着能量的大小，也就是每一个频率上的能量大小。我们只要将高频部分的能量值置为0，就可以去除噪声。
需要注意的是，在进行傅里叶变换（fft2）后，低频部分集中分布在四个角落，通过移位（fftshift）之后，将其集中到图像的中心，这只是为了便于处理。
当我们对幅值进行处理后，再进行反移位（ifftshift）恢复到原始的分布情况，之后结合相位计算出每个像素对应的值。
对其进行傅里叶反变换（ifft）后，就可以恢复出时域图像，此时图像上的噪声就可以去除了。

一个具体例子如下所示：
代码：

clear;
clc;
F = imread('C:\Users\asus1\Desktop\IMG_20170708_090611.jpg');
F1 = rgb2gray(F