图像修复旨在从退化图像中重建出潜在的清晰图像。除了在空域处理这一长期存在的任务外，部分方法尝试在频域中寻求解决方案，以应对清晰图像与退化图像之间频谱差异较大的问题。然而，现有方法通常依赖于变换工具（如小波变换）将特征分解为多个频段，这种固定方式难以灵活选择最具信息量的频率成分进行恢复。本文提出一种多分支且内容感知的模块，能够动态、局部地将特征分解为独立的频带，并通过通道注意力权重增强有用频带。此外，为应对大范围退化模糊问题，我们设计了一种极为简洁的解耦与调制模块，通过全局平均池化与窗口化平均池化相结合的方式，有效扩展感受野。将上述两个模块集成至U-Net主干网络中，所提出的选择性频域网络（Selective Frequency Network, SFNet）在五项图像修复任务上均表现出色，包括单张图像焦点外去模糊、图像去雾、图像运动去模糊、图像去雪以及图像去雨，性能优于当前主流先进算法。