ch-图象变换.pptVIP

（3）二维连续傅立叶变换 二维傅立叶变换举例 （4）二维离散傅立叶变换 （5）二维离散傅立叶变换的性质 二维傅立叶变换 傅立叶变换示例(2.1) 周期性和共轭对称性的应用 补充：卷积 g(x,y,u,v)= exp[-2j?(ux+vy)/N]/N2 = exp[-2j?ux/N]/N?exp[-2j?vy/N]/N = g1(x,u)?g2(y,v)； 余弦变换的性质 幅值与相位 幅值谱 幅值重构图像 相位重构图像 相位谱 二维图象傅立叶变换,其幅度谱的显示： I=imread(len_std.jpg); I1=rgb2gray(I); X_DFT=fft2(I1); fftshift(X_DFT) Am=abs(X_DFT); Am_C=log(1+Am); am_out=(255./max(Am_C(:))).*Am_C; imshow(uint8(am_out)) figure;imshow(log(Am),[]) clear d=zeros(32,32); d(13:20,13:20)=1; %生成黑白图像 subplot(2,2,1); imshow(d,InitialMagnification,fit); title(原始图像) D=fft2(d); %二维快速傅里叶变换; subplot(2,2,2); imshow(abs(D),[-1 5],InitialMagnification,fit); title(傅里叶变换谱) subplot(2,2,3); imshow(log(abs(D)+eps),[-1 5],InitialMagnification,fit); title(对数傅里叶变换谱) subplot(2,2,4); DF=fftshift(D); imshow(log(abs(DF)+eps),[-1 5],InitialMagnification,fit); title(傅里叶变换中心谱) 1. 图形的频谱分析和显示 2. 图像中心化 ? 卷积积分：如果函数 y(t) 满足下列关系式 则称函数 y(t) 为函数 x(t) 和 h(t) 的卷积。 ? 卷积积分的图解表示： x(t) t h(t) t 1/2 1 1 1 ? 卷积积分的图解表示（续）： 位移 h(t1- ?) 1 1 x(?) ? x(?) h(- ?) ? 1/2 -1 折迭 h(t- ?) ? 1/2 t ? 1 1 * 相 乘 2 y(t) 1 t1 t 积分 ? 卷积积分的步骤： 1 折迭：把 h(?) 相对纵轴作出其镜像 2 位移：把 h(-?) 移动一个 t 值 3 相乘：将位移后的函数 h(t-?) 乘以 x(?) 4 积分： h(t-?) 和 x(?) 乘积曲线下的面积 即为 t 时刻的卷积值 ? 卷积定理：如果 x(t) 和 h(t) 的富里叶变换分别为 X(f) 和 H(f) ,则x(t) * h(t) 的富里叶变换为 X(f)H(f)。即 ? 卷积定理的简单推导： = = = = 令? =t-? 相关的定义 或者： 3 可分离图像变换 g(x,y,u,v)、h(x,y,u,v)分别称为正向变换核和反向变换核；是变换中进行级数展开的基本函数。 如果g(x,y,u,v)= g1(x,u)g2(y,v)，则称正向变换核是可分离的； 如果h(x,y,u,v)= h1(x,u)h2(y,v)，则称反向变换核是可分离的； (1) 可分离变换的一般形式 T(u,v) = ? ? f (x,y) g(x,y,u,v)， x,y=0,…, N-1；u,v=0,…,N-1 f (x,y) = ? ? T(u,v) h(x,y,u,v)，u,v=0,…,N-1； x,y=0,…,N-1 傅里叶变换是可分离变换的一个特例。 所以傅里叶变换是可分离变换。 例如傅里叶变换正向变换核 具有可分离变换核的二维变换计算: (分两步) T(x,v) = ? f (x,y) g2(y,v) ；y=0,…,N-1 列变换 T(u,v) = ?T(x,v) g1(x,u) ；x=0,…,N-1 行变换 若g1和g2的函数形式一样，则称g(x,y,u,v)是 对称的。 当g(x,y,u,v)是可分离和对称的，可写成矩阵形式: T = AFA，其中， F是N×N图像矩阵， T是变换后的N×N图像矩 阵， A是N×N对称变换矩阵，其元素为 若要实现反变换，则 BTB＝BAFAB，B是反变 换矩阵。 如果B= A-1，图像可以完全恢复为F，即 F＝BTB。 如果B≠