python高通滤波是一种通过修改指定位置信号来实现图像深度处理的一种方式，这是因为高通滤波会将低频信号去除掉，从而让图像呈现出类似于失真的状态。而下面这篇文章所要来介绍的内容就是，python使用傅里叶变换实现高通滤波的方法，一起看看吧。
1.在导入所需要使用的三个python第三方库之后使用imread()方法将图像读取进来并同时转为灰度图，否则默认有色彩的RGB模式图像会影响到频率的选取。图像读取进来之后还得除以255转为float32数据，然后调用dtf()方法进行傅里叶变换，代码如下所示：
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('./moon.jpg', flags = cv2.IMREAD_GRAYSCALE)
img1 = img/255
dtf = cv2.dft(img1, flags = cv2.DFT_COMPLEX_OUTPUT)
dft_shift = np.fft.fftshift(dtf)2.傅里叶变换完成之后需要用图像对象点shape属性来获取到它的分辨率，也就是长度和宽度，之后将这两个值除以2即可得到图像中心点的位置。然后再用这两个获取到的值来选择px为100的区域，这个区域选取的规则就是低频部分为0，也就是说只保留高频信号区域。然后用这个区域去执行傅里叶变换即可，详细代码示例如下所示：
h,w = img.shape h2, w2 = h//2, w//2 dft_shift[h2-5:h2+5,w2-5:w2+5] = 0 ifft_shift2 = np.fft.ifftshift(dft_shift) result = cv2.idft(ifft_shift2)
3.到这一步图像高通滤波处理已经完成了，接下来就是要使用pyplot模块之中的subplot()方法来创建一个指定大小的窗口显示图像。然后用imshow()方法将这个图像色色彩模式在设置成灰色，之后调用show()方法就可以显示在窗口上面了，代码如下所示：
plt.subplot(122) plt.imshow(result[:,:,0], cmap='gray') plt.show()
以上就是关于“Python高通滤波代码是什么？Python如何用傅里叶变换实现高通滤波”的全部内容了，希望对你有所帮助。
