Python 傅里叶滤波，返回图像

我的数据上有一个重复的条纹图案，我正试图通过傅里叶变换并删除该图案来得到它。然而，我似乎找不到返回图像空间的正确方法

red_cube_array = (cube_array - np.median(cube_array)) * taper

im_fft  = (fftpack.fft2(red_cube_array))
im_po   = fftpack.fftshift((np.conjugate(im_fft) * im_fft).real)

mask = np.empty_like(im_po[0])*0 + 1
mask[417:430, 410:421] = 0
mask[430:443, 438:450] = 0

im_po_mask = im_po * mask

im_ifft = fftpack.ifft2(fftpack.ifftshift(im_po_mask))

---

taper

只是一个阵列，它在进行FFT时平滑边缘以消除边缘效应。然后，我对阵列进行FFT运算，并粗略地过滤掉粘液。然而，回去似乎不起作用。我是不是在什么地方绊倒了

问题出现在以下行：

im_po = fftpack.fftshift((np.conjugate(im_fft) * im_fft).real)

这实质上是计算信号的幅度（在频域），丢弃相位信息。如果没有相位信息，空间域图像无法唯一地重建

要解决此问题，只需在复值频域

im\u fft

数据上应用掩码：

im_po = fftpack.fftshift(im_fft)

mask = np.empty_like(im_po[0])*0 + 1
mask[417:430, 410:421] = 0
mask[430:443, 438:450] = 0

im_po_mask = im_po * mask

---

啊，好的，然后我可以做结果的ifft？我会给你一个惠斯勒斯是对的。在进行逆变换后，如果存在虚部，您可能也必须放弃它。