第五章图像变换1.ppt

数 字 图 像 处 理 与分 析 基 础 第5章 图像变换 Image Transforms 第 5 章 图像变换 概述和分类 离散Fourier变换 快速算法 其它可分离图像变换 Hotelling变换 5.1概述和分类 傅里叶（Jean Baptiste Joseph Fourier，1768～1830）,法国数学家、物理学家。 主要贡献是在研究热的传播时创立了一套数学理论。 傅里叶生平 傅立叶的两个最主要的贡献—— “周期信号都可表示为谐波关系的正弦信号的加权和”——傅里叶的第一个主要论点 “非周期信号都可用正弦信号的加权积分表示”——傅里叶的第二个主要论点 变换分析的直观说明 所有的工程中使用的周期函数都可以用一系列的三角函数的线性组合来逼近. 1. 连续或只有有限个第一类间断点 2. 只有有限个极值点 这两个条件实际上就是要保证函数是可积函数. 任何满足狄利克雷条件的周期函数fT(t), 可表示为三角函数形式的傅利叶级数如下: 而在区间[-T/2,T/2]上的三角函数系{1, coswt, sinwt, cos 2wt, sin 2wt, ...,  cos nwt, sin nwt, ...}是两两正交的, 其中w=2p/T, 这是因为cos nwt和sin nwt都可以看作是复指数函数ejnwt的线性组合. 正交的含义： 为求an, 须计算[fT(t), cosnwt], 即 同理, 为求bn, 计算[fT(t), sin nwt], 即 最后可得: 而利用三角函数的指数形式可将级数表示为: 如令wn=nw (n=0,?1,?2,...) 5.2 离散Fourier变换 定义--- Fourier级数和Fourier变换 性质 快速算法 应用 §5.2.1 傅里叶变换的定义 一、 1D连续FT（ f(x)为连续可积函数） FT定义为： IFT定义为： 其中F(u)=R(u)+jI(u) 幅度谱: －傅里叶频谱 相位谱： 变换分析的直观说明 一维傅立叶变换举例 二、1D离散FT( f(x)为一个数字序列) 正变换： u=0,…,N-1； F(u)是复函数，即 F(u) = |R(u)+j I(u)| = |F(u)| exp[jf] ； 幅度谱：|F(u)| = [R(u)2+I(u)2]1/2； 相位谱： f (u) = arctg [I(u)/R(u)]； 反变换： x=0,…,N-1； 三、2D连续FT FT定义为： IFT定义为： 幅度谱： 相位谱： ? (u,v)= arctg [I(u,v)/R(u,v)] 四、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： 其中u,v=0,…,N-1； 反变换： 其中x,y=0,…,N-1； 频移性和平移性 f(x,y)exp[j2?(u0x+v0y)/N]?F(u-u0,v-v0) f(x-x0,y-y0) ?F(u,v)exp[- j2?(u0x+v0y)/N] 4.频移性 f(x,y)exp[j2?(u0x+v0y)/N]?F(u-u0,v-v0) 当u0=v0=N/2时， exp[j2?(u0x+v0y)/N]=(-1)x+y ， 则 f(x,y) (-1)x+y ?F(u-N/2,v-N/2) 频谱平移N/2,不影响图像 频谱原点移到中心 5. 平移性 f(x-x0,y-y0) ?F(u,v)exp[- j2?(u0x+v0y)/N] .图像平移不影响频谱的幅值。 |F(u,v)exp[j2?(ux0+vy0)/N]|=|F(u,v)| 注意观察对应关系 §5.2.3卷积 1.卷积的定义 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 对比连续卷积和离散卷积 2. 1D离散卷积定义 将h(x)采样得到长度为A的序列{h (0),h (1),…,h (A-1)} ,将f(x)采样得到长度为B的序列{f(0),f(1),…,f(B-1)} 。 假设h(x)与f(x)周期均为M，则卷积结果周期也为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 ：