Chapter05-傅里叶变换导论.ppt

图像的傅里叶变换 李轶 2014年4月10日 傅立叶变换 傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。 一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分（//用基波及各次谐波信号的叠加来近似原始信号）。当我们考虑光时,讨论它的光谱或频率谱。同样,傅立叶变换使我们能通过频率成分来分析一个函数。 傅立叶变换有很多优良的性质。比如线性，对称性（可以用在计算信号的傅里叶变换里面）; 时移性：函数在时域中的时移，对应于其在频率域中附加产生的相移，而幅度频谱则保持不变； 频移性：函数在时域中乘以e^jwt，可以使整个频谱搬移w。这个也叫调制定理，通讯里面信号的频分复用需要用到这个特性（将不同的信号调制到不同的频段上同时传输）；（//章毓晋：线性移不变性，空间移不变性） 卷积定理：时域卷积等于频域乘积；时域乘积等于频域卷积（附加一个系数）。 二维离散傅立叶变换 由于图像的频率是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。 傅立叶变换在实际中的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。 从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。 从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。 换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。 实例 频域中可以包含负值，图像中灰色表示0，黑色表示负值，白色表示正值。可以看到4个角上的黑色更黑，白色更白，表示其幅度更大，其实4个角上的系数表示的是图像的低频组成部分，而中心则是图像的高频组成部分。除此以外，FFT的系数显得杂乱无章，基本看不出什么。 将上述直角坐标转换为极坐标的形式，稍微比较容易理解一点，幅度中4个角上白色的区域表示幅度较大，而相位中高频和低频基本看不出什么区别来。 上述以一种不同的方法展示了图像频谱，它将低频部分平移到了频谱的中心（//MATLAB中实现函数fftshift）。这个其实很好理解，因为经2D-FFT的信号是离散图像，其2D-FFT的输出就是周期信号，也就是将前面一张图周期性平铺，取了一张以低频为中心的图。将原点放在中心有很多好处，比如更加直观更符合周期性的原理，但在这节中还是以未平移之前的图来解释。 FFT物理意义 如果只保留靠近中心的幅度，则图像的细节丢失，但是不同区域还是有着不同灰度。 如果保留的是远离中心的幅度，则图像的细节可以看得出，但是不同区域的灰度都一样了。 考虑一个黑色矩形的傅立叶变换，这个黑色矩形的背景为白色。 如果对频域中垂直方向高频分量进行截断，则图像中黑白将不那么分明了，表现为振荡 傅里叶变换的物理意义 傅立叶变换系数靠近中心的描述的是图像中慢变化的特性，或者说灰度变换比较缓慢的特性（频率比较慢的部分）； 傅立叶变换系数远离中心的描述的是图像中快变化的特性，或者说灰度变换比较剧烈的特性（频率比较快的部分）。 相位的意义： 有两幅图像，如果用第一幅图像傅立叶变换的幅度和第二幅图像傅立叶变换的相位做反变换得到的图像是什么样子的？ * * 一个M×N大小的二维函数f(x,y)，其离散傅立叶变换对为 在数字图像处理中，图像一般取样为方形矩阵，即N×N，则其傅立叶变换及其逆变换为 其意义：一个二维傅立叶变换或反变换都可以分解为二步进行，其中每一步都是一个一维傅立叶变换或反变换 f(x,y) (0,0) N-1 N-1 x y F(x,v) (0,0) N-1 N-1 x v F(u,v) (0,0) N-1 N-1 v u 行变换 列变换 二维傅立叶变换分离成两个一维变换 行变换 列变换 在1维傅立叶变换中，可以看到相位包含了边沿何时出现的信息！ 在图像的傅立叶变换中也一样，相位决定了图像的边沿，所以决定了图像中你看到物体的样子！ 关于相位所含的信息，你可以这样理解： 边沿的形成是当很多正弦波上升沿都发生在同一时刻，也就是这些正弦波的相位是相同的时刻， 所以相位所含的信息决定了边沿所发生的位置，而正是边沿决定了图像的样子。 * * * 行N/2和列N/2将频域分成四块。对实部和幅度来说，右上角和左下角成镜像关系，左上角和右下角也是镜像关系；对虚部和相位来说，也是类似的，只是符号要取反（//共轭？），这种对称性和1维傅立叶变换是类似的，你可以往前