第03章图像变换案例分析.pptVIP

3.1 二维离散傅里叶变换（DFT） 3.1.1 二维连续傅里叶变换 二维连续函数 f (x, y)的傅里叶变换定义如下： 设 是独立变量 的函数，且在 上绝对可积，则定义积分 为二维连续函数 的傅里叶变换 定义 为 的反变换 和 为傅里叶变换对。 3.1.2 二维离散傅里叶变换 二维离散傅里叶变换 尺寸为M×N的离散图像函数的DFT ： 反变换可以通过对F(u,v) 求IDFT获得 二维离散Fourier变换正变换: 二维离散Fourier变换反变换: 二维离散Fourier变换 —— 变换公式系数说明 因Fourier变换是一种正交变换，所以其正、反变换的系数可以有几种表示形式： 按照严格意义上的正交变换，正、反变换的系数相等，为： 按照计算方便的角度，正、反变换的系数可以按照前面的方式给出，并且正、反变换的系数可以互换。 F(u,v)为f (x, y)的频谱，复数表示为： DFT变换进行图像处理时有如下特点： 直流成分为F(0,0)； 幅度谱|F(u,v)|对称于原点； 图像f (x, y)平移后，幅度谱不发生变化，仅有相位发生了变化。 3.1.3 二维离散傅里叶变换的性质 1．周期性和共轭对称性 周期性和共轭对称性带来了许多方便。 一维的情况，设有一矩形函数为,求出它的 傅里叶变换： 幅度谱： 根据定义，有 在进行DFT之前用(-1)x 乘以输入的信号 f (x) ，可以在一个周期的变换中（u＝0，1， 2，…，N－1），求得一个完整的频谱。 推广到二维情况，在进行傅里叶变换之前用 (-1)x+y 乘以输入的图像函数，则有： DFT的原点即F(0,0)被设置在u=M/2和v=N/2上。 (0,0)点的变换值为： 即 f (x,y) 的平均值。 若是一幅图像，在原点的傅里叶变换F(0,0)等于图像的平均灰度级，也称频率谱的直流成分。 图像Fourier变换 图像的频率—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。 如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。 傅立叶变换的物理意义—将图像的灰度分布函数变换为图像的频率分布函数。 傅立叶逆变换—将图像的频率分布函数变换为灰度分布函数。 2．可分性 离散傅里叶变换可以用可分离的形式表示： 对于每个x值，当v＝0，1，2，…，N－1时，该等式是完整的一维傅里叶变换。 3．离散卷积定理 设f(x,y)和g(x,y) 是大小分别为A×B和C×D的两个数组，则它们的离散卷积定义为 卷积定理 【例3.2】用MATLAB实现图像的傅里叶变换。 解：MATLAB程序如下： A=imread(pout.tif); %读入图像 imshow(A); %显示图像 A2=fft2(A); %计算二维傅里叶变换 A2=fftshift(A2); %将直流分量移到频谱图的中心 figure, imshow(log(abs(A2)+1),[0 10]); %显示变换后的频谱图 二维Fourier变换的应用 ——用于图像滤波 Fourier变换后的图像，中间部分为低频部分，越靠外边频率越高。 我们可以在Fourier变换图中，选择所需要的高频或是低频滤波。 图像的频率特性 Fourier变换的高通滤波示例 Fourier变换的低通滤波示例 二维Fourier变换的应用 ——用于图像压缩 变换系数刚好表现的是各个频率点上的幅值。 考虑到高频反映细节、低频反映景物概貌的特性。往往认为可将高频系数置为0，骗过人眼。 基于Fourier变换的压缩示例 基于Fourier变换的压缩示例 3.2 二维离散余弦变换（DCT） Fourier变换的一个最大的问题是：它的参数都是复数，复数运算费时多，且在数据的描述上相当于实数的两倍。 希望