正弦噪声去除消除Fourier变换

function [ imageFiltered ] = removeSinoise（ strOriginalImage A U0 V0）
%% Function Description
%REMOVESINOISE Add sinusoidal noise to an image and then remove the noise
%   Add sinusoidal noise to an image STRORIGINALIMAGE and the sinusoidal
%   noise N（xy） is determined by the parameter AUV in the following 
%   formula: N（xy） = Asin（2*pi*U0*x + 2*pi*V0*y）.
%   After N（xy） is added the noise is removed in the Fourier Space and
%   then get the returned image IMAGEFILTERED
%
%   STRORIGINALIMAGE
%       The original input image to be operated. It can be RGB image or 
%       GRAY image.
%   A
%       The amplitude of the noise to add.
%   U0 V0
%       The Vertical and Horizontal direction components of the sinusoidal
%       noise respectively. They determine the frequencies in vertical 
%       and horizontal direction.
%
%   Author: Guangchun Cheng Department of Computer Science and Egineering
%              @ University of North Texas.
%   Date:   10/15/2010

close all;

%% STEP1~STEP : Generate Noisy Image
%   STEP 1: read an image and convert it to gray scale if it‘s RGB image.
imageOrigin = imread（strOriginalImage）;
[M N P] = size（imageOrigin）;
if P>1
    imageGray = rgb2gray（imageOrigin）;
end
figure imshow（mat2gray（imageGray））; title（‘Original Image‘）;

%   show the Fourier frequency spectrum of the original image
% imageGrayDouble = double（imageGray）;
% imFft = fftshift（fft2（imageGrayDouble））;
% imFft = log（1+abs（imFft））;
% figure imshow（mat2gray（imFft））; title（‘Original Lenna Freq Spectrum‘）;

%   STEP 2: Generate noise image N（xy）=Asin（2*pi*U0*x/M + 2*pi*V0*y/N） 
%   according to the input parameters （A U0 V0）.
imNoise=zeros（MN）;
for x=1:M
    for y=1:N
        imNoise（xy）=A（1）*sin（2*pi*（x/M）*U0 + 2*pi*（y/N）*V0）;
    end
end
figure imshow（mat2gray（imNoise））; title（‘Noise Image‘）;

%   show the Fourier frequency spectrum image of the noise image
imFft = fft2（imNoise）;
imFft = log（1+abs（fftshift（imFft）））;
figure imshow（mat2gray（imFft））; title（‘Noise Freq Spectrum‘）;

%   STEP 3: Add noise image to the original image and show the result 
%   in spatial space.
imNoiseUint = uint8（imNoise）;
imNoisyImage = mat