第8章图像变换38.ppt

第八章　图像的频域变换 问题的提出： 我们人类视觉所感受到的是在空间域和时间域的信号。 但是，往往许多问题在频域中讨论时，有其非常方便分析的一面。例如，空间位置上的变化不改变信号的频域特性。　　　 8.1 二维离散Fourier变换 8.1 二维离散Fourier变换 8.1 二维离散Fourier变换 8.1 二维离散Fourier变换 Fourier变换有两个好处： 1）可以得出信号在各个频率点上的强度。 2）可以将卷积运算化为乘积运算。 8.2 快速Fourier变换（FFT） 8.2 快速Fourier变换（FFT） 8.2 快速Fourier变换（FFT） 二、FFT的设计思想是: 首先，将原函数分为奇数项和偶数项，通过不断的一个奇数一个偶数的相加（减），最终得到需要的结果。 也就是说FFT是将复杂的运算变成两个数相加（减）的简单运算的重复。 8.2 快速Fourier变换（FFT） 三、FFT的实现方法: 对偶数部分进行分层排序，奇数部分则与偶数部分对应即可。 例： 8.2 快速Fourier变换（FFT） 偶数部分： 8.2 快速Fourier变换（FFT） 偶数部分排序：0为偶，1为奇 8.2 快速Fourier变换（FFT） 奇数部分排序，与偶数对应加1即可： 8.2 快速Fourier变换（FFT） 8.2 快速Fourier变换（FFT） 例：设对一个函数进行快速Fourier变换，函数 在采样点上的值设为： 偶数项部分： 对函数： 8.3 二维Fourier变换的应用 前面已经提到了Fourier变换有两个好处，即：可以获得信号的频域特性；可以将卷积运算转换为乘积运算。 因此二维Fourier变换的应用也是根据这两个特点来进行的。 8.3.1 在图像滤波中的应用 首先，我们来看Fourier变换后的图像，中间部分为低频部分，越靠外边频率越高。 因此，我们可以在Fourier变换图中，选择所需要的高频或是低频滤波。 8.3.2 在图像压缩中的应用 变换系数刚好表现的是各个频率点上的幅值。在小波变换没有提出时，用来进行压缩编码。 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。 8.3.3 在卷积运算中的应用 从前面的图像处理算法中知道，如果抽象来看，其实都可以认为是图像信息经过了滤波器的滤波（如：平滑滤波、锐化滤波等 ）。 如果滤波器的结构比较复杂时，直接进行时域中的卷积运算是不可思议的。 Fourier变换可以卷积运算转换为点乘运算，由此简化运算，提高计算速度。 8.4 离散余弦变换（DCT） 问题的提出： Fourier变换的一个最大的问题是：它的参数都是复数，在数据的描述上相当于实数的两倍。 为此，我们希望有一种能够达到相同功能但数据量又不大的变换。在此期望下，产生了DCT变换。 8.4 离散余弦变换（DCT） 正变换： 逆变换： 其中： 8.4 离散余弦变换（DCT） DCT变换的应用： 余弦变换实际上是利用了Fourier变换的实数部分构成的变换。 余弦变换主要用于图像的压缩，如目前的国际压缩标准的JPEG格式中就用到了DCT变换。 具体的做法与DFT相似。即高频部分压缩多一些，低频部分压缩少一些。 作 业（共1题） 1. 已知图像为 Fourier 变换示意图 Fourier变换的频率特性 Fourier变换的低通滤波 Fourier变换的高通滤波 基于Fourier变换的压缩 基于Fourier变换的压缩 求2维FFT变换 F(u,v) * * 正变换： 反变换： 注：这里给出的一维逆变换的系数为1。 因为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、反变换的系数可以取反。 一、快速Fourier变换的推导 （分成奇数项和偶数项之和） 奇数部分： 下标为：0000，0010，0100，0110，1000，1010，1100，1110 下标为：0001，0011，0101，0111，1001，1011，1101，1111 下标为：0000，0010，0100，0110，|| 1000，1010，1100，1110 排序为：0000，0100，|| 1000，1100， || 0010，0110，1010，1110 排序为：0000，1000， 0100，1100，0010，1010，0110，1110 下标值分别为：000，010，100，110 排序为： 000, 100, 010, 110 奇数项部分