图像的傅里叶变换分析.ppt

F=fft(f,512); %进行快速傅里叶变换 subplot(224); plot(abs(F)) %直接显示幅度频谱（频谱坐标原点在正中央） title(幅度谱（频谱坐标原点在中央）) figure f(1:512)=0; f(251:270)=1; %产生宽度为20的窗口函数 subplot(221),plot(f),title(宽度为20 的窗口函数) F=fft(f,512); %进行快速傅里叶变换，延拓周期周期为512 subplot(222) plot(abs(F)) %绘幅度频谱（频谱坐标原点在左边界处） title(幅度谱（频谱坐标原点在左边界处）) x=251:270; f(251:270)=(-1).^x; %把曲线f(x)乘以(-1)^x，可以把频谱坐标原点移至屏幕正中央 subplot(223),plot(f),title(宽度为20 的调制窗口函数) F=fft(f,512); %进行快速傅里叶变换 subplot(224); plot(abs(F)) %直接显示幅度频谱（频谱坐标原点在正中央） title(幅度谱（频谱坐标原点在中央）) （2）空域移位： 周期性和共轭对称性 周期性： 共轭对称性： 证明： （1）周期性： (2) 共轭对称性： 旋转不变性 证明： 注：为看清问题的实质、简化旋转不变性的证明，以上用二维连续傅里叶变换进行证明。实际上，由连续积分公式进行离散化处理，即可得到离散公式，证明可参照连续情况进行。 f=zeros(512,512); f(246:266,230:276)=1; subplot(221); imshow(f,[]) title(原图) F=fftshift(fft2(f)); subplot(222); imshow(log(1+abs(F)),[]) title(原图的频谱) f=imrotate(f,45,bilinear,crop); subplot(223) imshow(f,[]) title(旋转45^0图) Fc=fftshift(fft2(f)); subplot(224); imshow(log(1+abs(Fc)),[]) title(旋转图的频谱) 离散卷积定理 例1 求以下两个函数的卷积 1）连续卷积 2）离散卷积定理 离散卷积定义： 空间滤波输出： 结论：空间域进行滤波的过程就是“卷积”的过程。 证明：（1）空域卷积和 （2）频域卷积和： 离散的卷积原理基本上是和连续卷积相同，其差别仅仅是在与抽样间隔对应的离散增增量处发生位移，用求和代替微分，由于离散傅里叶变换和它的逆傅里叶变换都是周期函数，那么离散卷积定理应该和这个周期联系起来，就是让在计算卷积时让这两个离散函数具有同样的周期，否则将产生错误。 注意：利用FFT计算卷积时，为防止频谱混叠误差，需对离散的二维函数补零，即周期延拓，对两个函数同时添加零，使它们具有相同的周期。 0 200 400 200 800 3 0 200 400 2 800 0 200 400 2 800 周期延拓 周期延拓 的大小为 的大小为 空间域滤波和频域滤波的关系 空间域和频域的滤波器构成傅里叶变换对 相关定理 证明： 傅里叶变换是可逆的。 * 对于每一个u（频率），会得到一个具体的傅里叶系数。这个计算量是非常大的，在FFT出现之前，FT应用并不广泛。 * 一副图像（时间域）的傅里叶变换，仍然是一个函数，不过自变量为频率。即可以表示为另一副图像，即频谱图。 * 根据采样定理，连续带限函数可以完全从它的样本集恢复。 * 数字图像本身就是二维的，即f(x,y)。二维傅里叶变换才有应用价值。 * * 图像的频谱幅度随频率增大而迅速衰减 许多图像的傅里叶频谱的幅度随着频率的增大而迅速减小，这使得在显示与观察一副图像的频谱时遇到困难。但以图像的形式显示它们时，其高频项变得越来越不清楚。 解决办法： 对数化 * * 主极大的值用Fmax表示，第一个旁瓣的峰值用Fmin表示 例题：对一幅图像实施二维DFT，显示并观察其频谱。 解：源程序及运行结果如下： %对单缝进行快速傅里叶变换，以三种方式显示频谱， %即：直接显示（坐标原点在左上角）；把坐标原点平 %移至中心后显示；以对数方式显示。 f=zeros(512,512); f(246:266,230:276)=1; subplot(221),imshow(f,[]),title(单狭缝图像) F=fft2(f); %对图像进行快速傅里叶变换 S=abs(F);