新·第3章图像变换-精.pptVIP

数字图像处理 内容： §3.1 概述 §3.2 傅立叶变换（FT）和性质 §3.3 快速傅立叶变换（FFT） §3.4 FFT的应用 §3.5 其它可分离图像变换 §3.5 霍特林变换（K－L变换）—— 一、问题的提出 首先，提出的变换必须是有好处的，换句话说，可以解决时域中解决不了的问题。 其次，变换必须是可逆的，可以通过逆变换还原回原时域中。　　 §3.1 概述 §3.1 概述和分类 任何周期函数都可以表示为不同频率的正弦和/或余弦和的形式，每个正弦和/或余弦乘以不同的系数；甚至非周期的函数（在曲线有限的情况下）也可以用正弦和/或余弦乘以加权函数的积分来表示。 用傅立叶级数或变换表示的函数特征可以完全通过傅立叶反过程来重建，不丢失任何信息。这是这些表示法的最重要特征之一，因为它可以使我们工作于“频率域”，而且在转换回函数的原始域时，不丢失任何信息。 §3.2.1 1-D傅里叶变换(FT)及其反变换 一、 1D连续FT（设 f (x)为连续可积函数） FT定义为： IFT定义为： 用极坐标表示F(u)=R(u)+jI(u) 幅度谱: －－傅里叶频谱 相位谱： 二、1D离散FT ( f (x)为一个数字序列) 傅立叶变换可以将一维信号从时域(或空域)变换到频域。 正变换： 反变换： 用极坐标表示，即F(u) F (u) = R (u) +j I (u) 幅度谱：|F (u)| = [R2 (u)+I2 (u)]1/2； 或频率谱 相位谱： f (u) = arctan [I (u) /R (u)]； 功率谱： P（u）＝|F (u)|2 = R2 (u)+I2 (u)； 一、 2D连续FT FT定义为： IFT定义为： 幅度谱： 相位谱： 二、2D离散FT 考虑以正方形网格采样得到的图像的2D傅里叶变换。 正变换： 反变换： 二维FT的频谱和相位角与一维时类似，具体如下： |F(u,v)| = [R(u,v)2+I(u,v)2]1/2；幅度函数（傅里叶频谱） ? (u,v)= arctan [I(u,v)/R(u,v)]；相位角 例：2D图像函数和傅里叶频谱的显示 一、分离性： 三、周期性和共轭对称性 F(u,v)= F( u+N,v ) = F ( u,v+N ) = F ( u+N,v+N ) 利用周期性和共轭对称性，只需一个周期的变换就可确定f (x,y)或F(u,v)，方便了分析和计算。 如果f (x,y)是实函数，则其FT具有共轭对称性： 例 二维离散傅立叶变换的旋转性 （a）原始图像 （b）原图像的傅 （c）旋转后的图像 （d）旋转后图像的 里叶频谱 傅里叶频谱 上例表明，对 旋转一个角度 对应于 将其傅里叶变换 也旋转相同的角度 。 八、卷积 先讨论1D连续卷积，其定义为 图解表示如下： 卷积积分的步骤： 1 折迭：把 g(z) 相对纵轴作出其镜像 2 位移：把 g(-z) 移动一个 x 值 3 相乘：将位移后的函数 g(x-z) 乘以 f(z) 4 积分： g(x-z)和 f(z)乘积曲线下的面积即为位置 x 的卷积值 ⑴1D离散卷积定义 将h(x)采样? {h (0),h (1),…,h (A-1)} 将f(x)采样? {f (0),f (1),…,f (B-1)} 若h(x)与f(x)周期均为M，则卷积结果周期也为M，延拓到长度M，当M=A+B-1时卷积才不会重迭 计算离散卷积前，将两个序列尾部添0以得到长度为M的序列 ： 1D离散卷积计算：(M=A+B-1) ⑵ 2D离散卷积定义:(注意坐标原点在左上角) M=A+C-1，N=B+D-1 2D离散卷积定义为： ⑶ 卷积与傅里叶变换的关系