频域滤波二维傅里叶变换.ppt

冈萨雷斯版图像处理里面的解释非常形象： 傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率谱。同样, 傅立叶变换使我们能通过频率成分来分析一个函数。 Fourier theory讲的就是：任何信号（如图像信号）都可以表示成一系列正弦信号的叠加，在图像领域就是将图像brightness variation 作为正弦变量。比如下图的正弦模式可在单傅里叶中由三个分量编码：频率f、幅值A、相位γ 这三个value可以描述正弦图像中的所有信息。 傅里叶提出任何周期函数都可以表示为不同频率的正弦和/或余弦和的形式，每个正弦和/或余弦乘以不同的系数（傅里叶级数）。图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度.在噪声点和图像边缘处的频率为高频。 信号描述方法 时域描述 如简谐信号 频域描述 以信号的频率结构来描述信号的方法:将信号看成许多谐波（简谐信号）之和，每一个谐波称作该信号的一个频率成分，考察信号含有那些频率的谐波，以及各谐波的幅值和相角。 方波信号的逼近：N=5 t=-2:0.001:2; N=input(N=); % N为输入要达到的最高次谐波的次数 c0=0.5; fN=c0*ones(1,length(t)); for n=1:2:N fN=fN+cos(pi*n*t)*sinc(n/2); end figure plot(t,fN) axis([-2 2 -0.2 1.2]) N=30 N=80 周期信号傅里叶级数的复指数形式 欧拉公式 或 傅立叶级数的复指数形式 傅立叶级数复指数也描述信号频率结构。它与三角函数形式的关系;对于n0,（等于三角函数模的一半）(与三角函数形式中的相角相等） 非周期信号与连续频谱 傅里叶变换 演变思路：视作周期为无穷大的周期信号 定义x(t)的傅里叶变换X(ω) X(ω)的傅里叶反变换x(t): 傅里叶变换的频谱意义 一个非周期信号可以分解为角频率? 连续变化的无数谐波 的叠加。称X(w)其为函数x(t)的频谱密度函数 对应关系： X(w)描述了x(t)的频率结构 X(w)的指数形式为 脉冲函数及其频谱 定义?函数（要通过函数值和面积两方面定义） 函数值： 脉冲强度（面积） 脉冲函数的样质 脉冲函数的采性（相乘）样质： 函数值： 强度： 正弦函数和余弦函数的频谱 结论： 1.脉冲函数的卷积性质： 空间频率 首先它是一种有效数据表示方式 可以模拟或去除噪声（以某种频率表示的） 物理过程在频率域可以得到更好的表示 一种图像分析的更好的方法 描述一副图像并不需用一个个像素分布表示出来 而是通过一系列的不同“空间频率”的cosines函数来表述图像 2D FT的物理意义 相位与振幅， 谁更重要 * 是连续求和，是叠加积分；表明: 一个随时间或空间变化的非周期函数(信号)，可以看作是许多不同频率的基元简谐波信号的叠加积分。各简谐波分量的频率为u，频率的取值是连续分布的。 Exp[j2π(ux+vy)]是其中某一简谐波成分；F(u,v)是该简谐波成分的权重，它是频率u的函数，称之为的傅立叶频谱(Fourier Spectrum)，简称频谱。 * 函数g(x,y)和他的傅立叶变换构成一个傅立叶变换对，表示为： 函数g(x,y) 的傅立叶变换 函数G(u,v)的逆傅立叶变换 * 在电信号处理、通信中，一般是1D时间信号，经常用到一维傅立叶级数和傅立叶变换。 在光学中，多数情况下研究的对象是2D或3D图像处理或成像，一般是二维或三维空间分布（可表示为二维或三维空间函数）。 * 1.3.2(2)傅里叶变换的存在条件 要保证函数存在二维傅里叶变换对，函数就应该满足狄里赫利条件和绝对可积条件，这个条件是从纯数学的角度来考虑的，是数学理论研究的范畴，信息光学来说，应该从应用的观点来考虑： 在应用傅里叶变换的各个领域的大量事实表明，作为时间或空间函数而实际存在的物理量，总具备保证其傅里叶变换存在的基本条件。从应用的角度看，可以认为，傅里叶变换实际上总是存在的。 在应用问题中，也会遇到一些理想化的函数，如常数函数、阶跃函数等光学领域中常用的函数，但是他们不满足保证其傅里叶变换存在的充分条件；同时他们在物理上也不能够严格实现，对这类数学难以讨论其经典意义下的傅里叶变换。但是可以借助函数序列极限概念得到这类函数的广义傅里叶变换。 物理上所用到的函数总存在FT * 可分离变量的傅立叶变换 如果一个二维函数可以分离，那么他的傅立叶变换可以表示成两个一维傅立叶变换的乘积： 如果 那么 * 1.3.3 广义傅里叶变换 如果只考虑经典意义的Fourier变换，那么对一些很