图像变换数字图像处理PPT.pptVIP

复 习 2. 离散卷积 问题的提出 为达到某种目的将原始图象变换映射到另一个空间上，使得图象的某些特征得以突出，以便于后面的处理和识别。 一般变换后的图象，大部分能量都分布于低频谱段，这对以后图象的压缩、传输都比较有利。使得运算次数减少，节省时间 实例 周期函数的傅立叶变换 结论 1、只要满足一定条件，连续函数就可以进行傅立叶变换，实际上这个条件在工程应用中很容易满足。 2、连续非周期函数的傅立叶谱是连续的非周期函数，连续的周期函数的傅立叶谱是离散的非周期函数。 离散傅立叶逆变换: 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。 傅立叶变换的性质 离散傅立叶变换和逆变换都是周期函数，为了防止卷积后产生交叠误差，需要对离散的二维函数的定义域加以扩展。 利用一维函数来说明函数定义域的扩展，设f(x)(x=0,1…. A-1)和g(x)(x=0,1,….C-1)是两个有限的离散函数，也就是说f(x)定义域为0≤x≤A-1，g(x)的定义域为0≤x≤C-1。则其线性卷积为 如果利用卷积定理来计算该卷积，则相当于把f(x)和g(x)分别以A和C为周期进行周期延拓，因此，将上式改写为(一个周期) 求得结果将不是需要的z(x)，而是周期循环的 为了避免循环卷积，可以对原被卷积函数补零。由于卷积结果的长度为N=A+C-1，因此，可以把两个被卷积的函数的长度扩展到N，并在原函数定义区间外的部分补零，即取 在离散情况下，与离散卷积一样，需要用增补零的方法扩充f(x,y)和g(x,y)为fe(x,y)和ge(x,y)，并根据卷积定理相类似的方法来选取M和N，以避免在相关函数周期内产生交叠误差。 左边一列: 上方为原始图像,下方为本图的相关说明说明; 中间一列: 上图幅值谱,下图为根据幅值谱的傅立叶逆变换(忽略相位信息,设相位为0); 右边一列: 上图相位谱,下图为根据相位谱的傅立叶逆变换(忽略幅值信息,设幅值为某一常数); 能量保持定理 2. 二维离散函数傅立叶变换的定义 根据一维离散傅立叶变换的定义和二维连续傅立叶变换理论，对于一个具有M×N个样本值的二位离散序列f(x，y)，（x=0,1,2,3, …,M-1；y=0,1,2,3, …,N-1）其傅立叶变换为： (1) 二维离散傅立叶正变换 (2) 二维离散傅立叶逆变换 若已知频率二维序列F(u，v) （u=0,1,2,3, …,M-1；v=0,1,2,3, …,N-1），则二维离散序列F(u，v)的傅立叶逆变换定义为： Δx、Δy和Δu、Δv，分别为空间域采样间隔和频率域采样间隔 两者之间满足如下关系： 式中序列R(u，v) 和I(u，v)分别表示离散序列F(u，v)的实序列和虚序列。 二维序列f(x，y)的频谱（傅立叶幅度谱）、相位谱和能量谱（功率谱）分别如下： F(u，v)可以表示为如下形式： (1)．线性特性 3. 二维离散傅立叶变换的性质 (1) 比例性质 = (3)平移性质 二维傅立叶变换的移位特性表明，当用 乘以f(x，y)，然后再进行乘积的离散傅里叶变换时，可以使空间频率域u-v平面坐标系的原点从(0，0)平移到(u0，v0)的位置。 (4)可分离性 二维傅立叶变换的可分离特性表明，一个二维傅立叶变换可通过二次一维傅立叶变换来完成，即：第一次先对y进行一维傅立叶变换 在此基础上对x进行一维傅立叶变换 变量分离步骤如图所示 若已知频率二维序列F(u，v)，则二维可分离性对傅立叶逆变换同样适应 逆变换的分离性也同样可以分解为两次一维傅立叶变换 (5)周期性 如果二维离散函数f(x，y)的傅里叶变换为F(u，v)， 则傅立叶变换及其逆变换存在如下周期特性： (6)共轭对称性 (7)旋转不变性 图像f(x，y)可以表示为f(r，θ)。同样，空间频率域的F(u，v)采用极坐标可以表示为F(ρ，)。二维离散傅立叶存在如下旋转特