二维傅里叶变换程序.ppt

* 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 * 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 * 空域 频域 具有圆对称的函数在极坐标下描述起来更加方便 r * * * 极坐标系下的Fourier transformation 本节给出一些重要的FT性质，间或加以推导 利用这些性质，只要知道不多的几个函数的FT，就很容易求出其他函数的FT，起到化难为简的作用 这些性质和定理在线性系统分析，信号处理，图像处理等领域经常使用。 * * 线性性质 设 有 a.和的FT等于FT的和————叠加性 b.幅值按同样的比例缩放————均匀性 c.同时具有叠加性和均匀性————线性性质性 a,b为常数 * 对称性 若 则 证明： * 对称性的一些其他情形 若f(x,y) 为偶函数，则F(u,v) 也是偶函数， 即: 若f(-x,-y) = f(x,y), 则F(-u,-v) = F(u,v)。 若f(x,y) 为奇函数，则F(u,v) 也是奇函数， 即：若f(-x,-y) = -f(x,y), 则F(-u,-v) = -F(u,v)。 * 迭次FT 以连续两次FT为例，二元函数f(x,y)的连续两次FT变换，得到原函数的倒立像，即： * 4、FT的坐标缩放性质 若a,b为不等于零的实常数，若F(u,v)=F{f(x,y)},则有： 证明：略 光学上，空域中空间坐标的放大或缩小，导致空间频域中的空间频谱坐标缩小或放大。 如：孔径夫琅和费衍射。 * 、FT的平移性 若F{f(x,y)}=F(u,v),且x0,y0为常数，则有 证明： 空域中的平移造成频域中频谱的相移。光场复振幅不具有平移不变性。但强度具有平移不变性。 * FT的体积对应关系 假设，F{f(x,y)}=F(u,v)，则有 卷积定理(Convolution Theorem) 相关定理(Correlation Theorem) * * 卷积定理 (convolution theorem) 设F{f(x,y)}=F(u,v), F{g(x,y)}=G(u,v)，则有 即两个函数卷积的FT等于它们的FT之积。 两个函数乘积的FT等于它们的FT的卷积。 若f(x,y)和g(x,y)表示两幅图像, 卷积定理即表示: 两图像卷积的频谱等于两图像频谱之积；两图像乘积的频谱等于两图像频谱之卷积。 * 同样可证： * 对于一个复杂函数，其FT难求，若它可表示成几个简单函数的卷积，而这些简单函数的FT易求，则可用卷积定理。 如： 当两个函数或图像的卷积难求时，可先求得各自的FT，乘积后，再求IFT，即可得两者之卷积。