因为我正在学习频域并且我对这个主题非常好奇，所以我试图在频率空间中解决一个问题（我已经使用形态学[通过它们的厚度检测线]解决了这个问题）（我知道这是可能的） ）。这是图片：
我正在尝试构建一个陷波滤波器来去除线路频率。
我不确定，但我认为水平和垂直线上的峰值是噪音（纸线），我尝试了很多方法来消除它们，但它们都不起作用。我不是在寻找代码，只是想了解它的工作原理以及解决问题的一些技巧。我非常感谢您提前做出的贡献。
去除峰后的结果：
现在我很确定我在检测峰时做错了什么（我不知道我在寻找什么样的峰）
尽管线是周期性的，但它们比谐波更接近一串脉冲，因此它们会泄漏到许多谐波。
将线条与其他线条区分开来的最佳特征是线条是水平的或垂直的，垂直线表示在 FFT 的水平边界处，水平线表示在 FFT 的垂直边界处。
这是过滤掉（设置为零）FFT 的前四行和后三行和列的结果。
在这里您可以看到log(fftshift(abs(fft2(image))))滤波前后的频域。
只是因为也许你会感兴趣，你可以应用形态过滤器并得到这样的结果：D
昨天作者这样说
他接受了答案，但在不接受之后
您应该先从一个更简单的一维案例开始，然后再逐步扩展到二维。
如果你切出一行方格纸：
from matplotlib import image
import matplotlib.pyplot as plt
# load image as pixel array
image = image.imread('7ocEX.jpg')
image = 255-image # Invert
plt.plot(image[42])
你可以看到它是一个（间歇性的）脉冲列车：
第一个在像素 23.5，最后一个在像素 672，所以你知道火车的周期是 (672-23.5)/11 = 58.9545 像素/周期，所以频率是：
700 像素/图像 / 58.9545 像素/周期 = 11.8736 周期/图像
如果绘制傅里叶变换：
F = fft.rfft(image[42])
plt.plot(abs(F))
正如预期的那样，您会在 11.9 像素的谐波处看到峰值：
如果您随后从频谱和逆变换中移除这些峰值，则脉冲序列也将被移除。您知道它们的频率，并且您知道谐波是基波的整数倍，因此您可以从频谱中消除它们而无需任何峰值查找。