使用FFT与IFFT实现图像模糊时输出黑屏，求错误排查

问题现象 #

编写的图像模糊程序未输出预期的模糊图像，反而得到带有若干白点的黑屏。代码流程如下：读取灰度图像，创建3×3均值核（误表述为高斯核），对核进行零填充后执行np.fft.ifft；随后将图像的FFT结果与核的FFT结果相乘，再执行np.fft.ifft2并取实部得到滤波结果。

代码中的错误 #

• 核的频域转换逻辑完全错误：对填充后的二维核执行了一维逆FFT（np.fft.ifft），违背频域滤波的基本逻辑。频域滤波需要将空域核转换到频域，应该使用二维FFT（np.fft.fft2），而非逆FFT操作。
• 缺少结果归一化处理：np.fft.ifft2输出的实部结果数值范围通常不在0-255区间内，cv2.imshow默认按uint8格式显示，超出范围的数值会被强制截断，最终导致黑屏或白点异常。

修正后的完整代码 #

import numpy as np
import cv2

# 读取灰度图像
im1 = cv2.imread('beato.jpg', 0)
cv2.imshow('Original Image', im1)
cv2.waitKey(0) 

# 创建3×3均值核
kernel = np.ones((3,3)) / 9
# 计算填充尺寸，将核扩展至与图像同尺寸
sz = (im1.shape[0] - kernel.shape[0], im1.shape[1] - kernel.shape[1])
# 对称填充，保证核中心与图像中心对齐
kernel_padded = np.pad(kernel, (((sz[0]+1)//2, sz[0]//2), ((sz[1]+1)//2, sz[1]//2)), 'constant')

# 对图像和填充后的核分别执行二维FFT
im_fft = np.fft.fft2(im1)
kernel_fft = np.fft.fft2(kernel_padded)

# 频域相乘后做逆FFT，取实部得到空域结果
filtered = np.real(np.fft.ifft2(im_fft * kernel_fft))

# 将结果归一化到0-255区间，转换为uint8格式适配显示
filtered = cv2.normalize(filtered, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)

# 显示模糊后的图像
cv2.imshow('Blurred Image', filtered)
cv2.waitKey(0)
cv2.destroyAllWindows()

内容的提问来源于stack exchange，提问作者levgor