图像实空间与傅里叶空间坐标差异及含噪相位解缠技术问题

问题背景（翻译自英文提问） #

我正基于已发表论文编写Python含噪相位解缠代码，现有干涉测量原始相位数据（范围[-π, π]），但数据存在部分噪声点。目前对图像原始(x,y)坐标与傅里叶变换后的(p,q)坐标差异存在困惑：傅里叶变换后像素坐标是否改变？另外，傅里叶坐标(0,0)位置结果为0，如何处理零除问题？相关算法见附图，论文DOI：10.1364/OL.28.001194

一、空间域(x,y)与频率域(p,q)坐标的差异 #

• 原始图像的(x,y)是空间域坐标，直接对应图像的像素位置（注意：numpy和OpenCV的轴顺序可能不同，numpy默认(y,x)对应行、列索引）。
• 傅里叶变换后的(p,q)是频率域坐标，和空间域属于完全不同的坐标系：
  • 每个(p,q)点对应空间域的一种频率分量，不是像素位置的映射。
  • 未移位的傅里叶结果中，(0,0)位于数组左上角，对应直流分量；使用np.fft.fftshift()移位后，(0,0)会移到数组中心，此时的(p,q)代表相对于中心的频率偏移量。
  • 结论：不存在“傅里叶变换后像素坐标改变”的说法，两者是不同域的索引体系，用途完全不同。

二、(0,0)位置零除问题的处理方案 #

频率域(0,0)对应直流分量，在相位解缠频域算法中出现零除是典型场景，两种实用处理方式：

1. 数值规避：直接给(0,0)位置赋值一个极小的非零值（如1e-10），避免除法报错，同时不会对整体计算结果产生可忽略的影响。
2. 物理意义赋值：从算法逻辑看，直流分量对应相位的全局偏移，不影响相对相位的解缠结果，因此可直接跳过该点的除法计算，将结果设为0。

Python示例代码 #

import numpy as np

# 假设wrapped_phase是输入的[-π, π]范围含噪相位数据
wrapped_phase = np.random.uniform(-np.pi, np.pi, (512, 512))

# 傅里叶变换并移位
freq_data = np.fft.fft2(wrapped_phase)
freq_data_shifted = np.fft.fftshift(freq_data)

# 获取(0,0)对应的中心位置
h, w = freq_data_shifted.shape
center_h, center_w = h // 2, w // 2

# 处理零除：设置极小值
freq_data_shifted[center_h, center_w] = 1e-10

# 后续频域解缠计算...

内容的提问来源于stack exchange，提问作者Cristhian Castro