二维傅里叶变换推倒及理解.doc

2D傅里叶变换理解心得 目的 完整推倒2D傅里叶变换公式，加深对2D傅里叶变换公式的理解。 内容 2维傅里叶变换，针对的信号函数是2维空间平面内的函数，2维傅里叶变换也有四种不同的形式。 连续周期时域信号----非周期离散频谱。2D_CFS 表示2维周期连续信号，可以理解为一幅连续的图像信号（这里可以为复数信号，但工程实践中常为实信号），表示2维频谱信号，其中取上的整数。 其中X,Y为在x坐标和y坐标上各自的最小正周期。表示在x坐标和y坐标上各自的基频率，这里有，取上的整数，对应不同的频率成分，的图像为离散的，且在x坐标和y坐标上的频率间隔分别为。 这里，为复数。 所以得到2D_CFS（2维连续傅里叶级数） 连续非周期信号(-----(连续非周期频谱 2D_CTFT 表示非周期的连续2维信号，表示其频谱，这里是连续非周期的2维信号 这里，为无穷小量，为了使频谱的取值能够便于研究，这里进行了放大，得到，所以这里就不是2D_CFS，而是2D_CTFT(2维连续时间傅里叶变换)，这里仍然有。 所以2D_CTFT为 这里，u,v为x,y方向上的空间频率变量。 离散周期信号(-----(离散周期频谱 2D_DFS 对连续信号按照x方向的采样周期（单位不一定为时间），y方向（单位不一定为时间）的采样周期进行采样，得到。 这里，，，所以。 通常，我们会去掉离散信号的周期单位（时间或者距离），只取出点列，不要物理意义。 所以我们会得到离散周期信号，这就是一个单纯的2维点阵，没有物理意义，是数学抽象出来的点阵。 2D_CFS 利用2D_CFS推倒2D_DFS 所以通过上面的推倒，我们可以看出2D_CFS推出了2D_DFS，说明其本质是一致的。 图中，蓝色连续曲线采样后的图形，既可以理解为只在采样点处有定义，其他点没有定义的点列，也可以理解为有着周期性质的矩形红色图像（这里仅是示意图，红色图形骤变点函数值应该和蓝色图形该店函数值严格相等。）。而矩形红色图像是2D_CFS和2D_DFS的桥梁，它的频率成分既可以当做点列用2D_DFS计算，又可以当做连续函数用2D_CFS计算，结果是一致的。 在推倒过程中，我们发现，积分和逐项求和本质上是一致的，都是以一定的步长在求曲线和横坐标所夹图像的面积，只是因步长的不同而导致精度不同而已，而2D_DFS中的公式分子，就是在求红色矩形图像在一个周期中的面积，只不过横坐标选取不同，但最后分子分母一相消，就导致结果一致。所以有时候通过红色矩形图像来理解采样，和傅里叶变换公式，有着事半功倍的效果。 很自然，反变换就是把个频率成分加起来就行了： 但这里为了对称令正反变换形式一致，添加了系数，这里不再赘述。 所以得到2D_DFS公式如下： 离散非周期信号(-----(连续周期频谱 2D_DTFT 对进行按照x方向的采样周期（单位不一定为时间），y方向（单位不一定为时间）的采样周期进行采样，得到。 这里，， 也具有周期性，所以反变换时只需取一个主周期进行计算就可以了。 所以2D_DTFT