Python 离散傅里叶变换：低通滤波器不能切断正确的频率

我在

python3.5

中使用

cv2.dft（）

，步骤如下

余弦图像为：

N=32
Icos=np.零（（32,32））
对于范围（0，N）内的i：
对于范围（0，N）内的j：
myPi=2*math.pi/N
th1=8*i+6*j
th2=4*i+2*j
th3=2*j
Icos[i，j]=（0.25*math.cos（myPi*th1）+0.75*math.cos（myPi*th2）+math.cos（myPi*th3））
图像=Icos
dft=cv2.dft（np.float32（图像），flags=cv2.dft\u复数输出）
#向中间移动
dft_shift=np.fft.fft移位（dft）
#震级计算
ms=np.log（1+cv2.量级（dft_移位[：，：，0]，dft_移位[：，：，1]））
屏蔽输出='屏蔽低通'
掩码=np.0（（行，列，2），np.uint8）
对于范围（0，行）中的i：
对于范围内的j（0，cols）：
point=math.sqrt（math.pow（（i-crow），2）+math.pow（（j-ccol），2））
如果点
N=32
Icos = np.zeros((32,32))
for i in range(0,N):
    for j in range(0,N):
        myPi = 2*math.pi/N
        th1 = 8*i + 6*j
        th2 = 4*i + 2*j
        th3 = 2*j
        Icos[i,j] = (0.25 * math.cos(myPi*th1) + 0.75*math.cos(myPi*th2) + math.cos(myPi*th3))
image = Icos

dft = cv2.dft(np.float32(image),flags =cv2.DFT_COMPLEX_OUTPUT)

#Shift to the center
dft_shift = np.fft.fftshift(dft)

#Magnitude Calculation
ms = np.log(1+cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))

mask_out = 'Mask LowPass'
mask = np.zeros((rows,cols,2),np.uint8)


for i in range(0,rows):
    for j in range(0,cols):
        point = math.sqrt(math.pow((i-crow),2)+math.pow((j-ccol),2))
        if point <= radius1:
            mask[i,j]=1
#apply mask
fshift = dft_shift*mask

#Inverse
f_ishift = np.fft.ifftshift(fshift)
img_back = cv2.idft(f_ishift)
img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1])

#Fourier Transform of the resulted image
dft_res = cv2.dft(np.float32(img_back),flags =cv2.DFT_COMPLEX_OUTPUT)

#Shift to the center
dft_shift_res = np.fft.fftshift(dft_res)

#Magnitude Calculation
ms_res = np.log(1+cv2.magnitude(dft_shift_res[:,:,0],dft_shift_res[:,:,1]))