6抽样定理.pptVIP

为什么要抽样？ 实际物理量多是连续分布的。当对它们进行接收、存储、传送和处理过程中，不可能以连续的方式进行计算机处理，不得不用分离的阵列来表示物理图。 接收器空间分辨率的限制； 存储器件容量的限制； 传送方式的限制； 数据处理方法和能力的限制等。 抽样定理 什么是抽样？将连续过程离散化。 抽样时会出现的问题？ 抽样精度不够高，信息丢失； 抽样精度过高，浪费资源、时间和效率。 抽样过程的实现？对某一原函数进行抽样，则将这一原函数与一个抽样函数相乘。 采用二维梳状函数 抽样的好处：便于高效、节约和切合实际地信息计算和处理。 函数的抽样 最简单的抽样方法是用二维梳状函数与被抽样的函数相乘 如果被抽样的函数为 ，抽样函数可表示为 梳状函数是 函数的集合，它与任何函数的乘积就是无数分布在平面 上在 ， 两方向上间距为 和 的 函数 与该函数的乘积 任何函数与 函数相乘的结果仍然是 函数，只是 函数的“大小”要被该函数在 函数位置上的函数值所调制。换句话说，每个 函数下的体积正比于该点函数的数值 抽样函数 梳状函数的一些性质 利用梳状函数对连续函数f(x,y)抽样，得抽样函数 它是由 函数的阵列构成 抽样函数的频谱 利用卷积定理和梳状函数的傅里叶变换，可计算抽样函数的频谱 结论：函数在空间域被抽样，导致函数频谱 的周期性重复。 在频域 抽样函数的原函数的复原图 函数在空间域被抽样，导致函数频谱 的周期性重复。 在频域 奈奎斯特（Nyquist）抽样间隔 假如函数 是限带函数，即它的频谱仅在频率平面上一个有限区域内不为零 若包围该区域的最小矩形在 和 方向上的宽度分别为 和 欲使图中周期性复现的函数频谱不会相互混叠，必须使 或者说抽样间隔必须满足 式中表示的两方向上的最大抽样间距和通常称作奈奎斯特（Nyquist）抽样间隔 原函数频谱的复原 要原函数的复原首先要恢复其频谱 在满足奈奎斯特抽样间隔的情况下，只要用宽度 和 ,位于原点的矩形函数去乘抽样函数的频谱就可得到原来函数的频谱。在频率域进行的这种操作去掉了部分频谱成份，常常称作“滤波” 用频域中宽度 和 的位于原点的矩形函数为 滤波过程可写作 原函数的复原(1) 做反变换就可直接得到原函数 根据卷积定理，在空间域得到 对上式左边两个因子分别进行化简有 结果得到无数 函数与SINC函数的卷积和 原函数的复原(2) 最后卷积的结果,原函数为 若取最大允许的抽样间隔，即 ，并且 ，则 可见用SINC函数做为插值函数可以准确恢复原函数(当然要满足必要的条件) 惠特克-香农抽样定理 抽样定理的意义 抽样定理公式就是由抽样点函数值计算在抽样点之间所不知道的非抽样点函数值，在数学上就是插值公式 抽样定理的重要意义在于它表明，准确的插值是存在的。也就是说，由插值准确恢复原函数可以在一定条件下实现 一个连续的限带函数可以由其离散的抽样序列代替，而不丢失任何信息 ——因此抽样定理是数字化社会的基础，其重要意义怎么讲也不过分 抽样定理证明图解（1） 抽样定理证明图解（2） 空间带宽积 若限带函数 在频域中 , 以外恒为零，根据抽样定理，函数在空域中的范围内抽样数至少为 式中 表示函数在空域覆盖的面积, 表示函数在频域中覆盖的面积。在该区域的函数可由数目为 的抽样值来近似表示。 问题：为什么是近似？抽样定理不是准确的吗？ 空间带宽积 就定义为函数在空域和频域中所占有的面积之积： 空间带宽积的意义 空间带宽积描述空间信号（如图象，场分布）的信息量，也可用来描述成象系统、光信息处理系统的信息容量，即传递与处理信息的能力。 空间带宽积决定了图象最低必须分辨的象素数，如数码相机的技术指标 空间带宽积表达图象的自由度或自由参数数 图象是实函数，每一个抽样值为一个实数，自由度为 当图象是复函数，每一个抽样值为一个复数，要由两个实数表示。自由度增大一倍，