Решение

Если вы распечатаете значения в массиве изображений вашего product, вы обнаружите, что все пиксели в белых полосах на самом деле имеют значение -inf, а не 0. В своем коде, как часть процесса создания product вы используете np.log для изменения np.log некоторых ваших данных. То есть данные, 0 в нем, и результат np.log(0) является -inf.

Вы можете исправить это несколькими способами. Простейшим вариантом будет просто заменить все значения -inf в product на 0. После создания product, если вы добавите следующую строку:

product[np.isneginf(product)] = 0

тогда, когда вы строите product него будут черные полосы, как вы и ожидали:

Глубокое погружение

Вот почему вы -inf product -inf. Это строка в вашем коде, которая создает product:

product = 20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))

Если мы разделим это на две строки, мы можем выяснить, что происходит:

magnitude = cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1])
product = 20*np.log(magnitude)

magnitude имеет 0 вдоль полос, как вы ожидали. Однако, если вы попытаетесь изобразить величину напрямую, вы получите очень темный график, который не показывает много:

Причина этого заключается в том, что Matplotlib будет масштабировать ваши данные при выборе цветов так, чтобы наименьшие значения в массиве изображений были черными, а самые большие значения - белым. Проблема здесь в том, что наибольшее значение по magnitude намного больше, чем почти любое другое значение. Таким образом, вы получаете несколько пикселей белого цвета (около центра), а каждый второй пиксель окрашивается почти в черный цвет.

Вы можете сделать график magnitude показывают немного больше подстилающих детали пропускания vmax=1000 к imshow функции вы используете для построения изображения. Это устанавливает явное максимальное значение данных для карты цветов:

Это далеко от идеала, так как это означает, что большая часть вашего изображения отображается как полностью насыщенный белый, независимо от его основных деталей.

В действительности у вас уже есть лучшее решение для этой проблемы в вашем коде: вы масштабируете данные по magnitude используя np.log. Результат этого масштабирования, массив product, будет иметь все свои значения гораздо ближе друг к другу. Это имеет полезный эффект, позволяя вам видеть мелкие детали на изображении, когда вы строите product. Однако проблема, с которой вы столкнулись, заключается в том, что лог 0 равен бесконечности:

print(np.log(0))
# this outputs
# -inf

Таким образом, полосы с magnitude 0 становятся полосами -inf в product. Matplotlib -inf эти значения -inf, окрашивая их так же, как и максимальное значение в вашем входном массиве (то есть в белый цвет). Таким образом, вы получаете полосы белого цвета, которые вы видите в вашем нанесен product изображения.