摘要：本文講解基于傅里葉變換的高通濾波和低通濾波。

本文分享自華為云社區(qū)《[Python圖像處理] 二十三.傅里葉變換之高通濾波和低通濾波》，作者：eastmount 。

成都創(chuàng)新互聯(lián)主營衡陽縣網(wǎng)站建設(shè)的網(wǎng)絡(luò)公司,主營網(wǎng)站建設(shè)方案,App定制開發(fā),衡陽縣h5成都微信小程序搭建,衡陽縣網(wǎng)站營銷推廣歡迎衡陽縣等地區(qū)企業(yè)咨詢

一.高通濾波

傅里葉變換的目的并不是為了觀察圖像的頻率分布（至少不是最終目的），更多情況下是為了對頻率進(jìn)行過濾，通過修改頻率以達(dá)到圖像增強(qiáng)、圖像去噪、邊緣檢測、特征提取、壓縮加密等目的。

過濾的方法一般有三種：低通（Low-pass）、高通（High-pass）、帶通（Band-pass）。所謂低通就是保留圖像中的低頻成分，過濾高頻成分，可以把過濾器想象成一張漁網(wǎng)，想要低通過濾器，就是將高頻區(qū)域的信號全部拉黑，而低頻區(qū)域全部保留。例如，在一幅大草原的圖像中，低頻對應(yīng)著廣袤且顏色趨于一致的草原，表示圖像變換緩慢的灰度分量；高頻對應(yīng)著草原圖像中的老虎等邊緣信息，表示圖像變換較快的灰度分量，由于灰度尖銳過度造成

高通濾波器是指通過高頻的濾波器，衰減低頻而通過高頻，常用于增強(qiáng)尖銳的細(xì)節(jié)，但會導(dǎo)致圖像的對比度會降低。該濾波器將檢測圖像的某個區(qū)域，根據(jù)像素與周圍像素的差值來提升像素的亮度。圖展示了“Lena”圖對應(yīng)的頻譜圖像，其中心區(qū)域?yàn)榈皖l部分。

接著通過高通濾波器覆蓋掉中心低頻部分，將255兩點(diǎn)變換為0，同時(shí)保留高頻部分，其處理過程如下圖所示。

rows, cols = img.shape
crow,ccol= int(rows/2), int(cols/2)
fshift[crow-30:crow+30, ccol-30:ccol+30] = 0