傅里叶变换与其在图像处理中应用.docVIP

傅里叶变换及其在数字图像处理中的应用 王家硕 学号：1252015 Fourier变换 一维连续傅里叶变换 设 f (x)为x的实变函数，如果f (x)满足下面的狄里赫莱条件： （1）具有有限个间隔点。 （2）具有有限个极点。 （3）绝对可积。 则 f (x)的傅里叶变换（Fourier Transformation，FT）定义为: Fourier正变换：； Fourier逆变换：， 式中：，ω 为频域变量。 f (x)与F(w)构成傅里叶变换对，可以证明傅里叶变换对总是存在的。由于f (x)为实函数，则它的傅里叶变换F(w)通常是复函数，于是F(w)可写成 F(w) ??R(w) ??jI (w) (1) 式中：R(w)和I (w)分别是F(w)的实部和虚部。公式1可表示为指数形式： 式中： F(w) 为f (x)的傅里叶幅度谱，f(w)为f (x)的相位谱。 二维连续傅里叶变换 如果二维函数f (x, y)是连续可积的，即，且F(u, v)是可积的，则二维连续傅里叶变换对可表示为： 对于图像 f (x, y)，F(u, v)是它的频谱。变量u 是对应于x 轴的空间频率，变量v 是对应于y轴的空间频率，与在一维的情况类似，可定义二维傅里叶变换的幅度谱和相位谱为： 一维离散傅里叶变换 对一个连续函数f (x)等间隔采样可得到一个离散序列。设共采样N个，则这个离散序列 可表示为{ f (0), f (1), f (2),?, f (N ?1)}。则其离散傅里叶变换F(u)为： 离散傅里叶反变换（IDFT）为： 式中：x ??0, 1, 2,?, N ?1。 令，则上述公式变成： 二维离散傅里叶变换 二维离散傅里叶变换： 傅里叶变换在图像处理中的应用 傅立叶变换在图像处理中有非常重要的作用，被广泛应用于图像增强与图像去噪、图像分割之边缘检测、图像特征提取（形状、纹理）、图像压缩等方面。 基于傅里叶变换的图像增强 在图像处理中，图像高频分量：图像突变部分；在某些情况下指图像边缘信息，某些情况下指噪声，更多是两者的混合；低频分量：图像变化平缓的部分，也就是图像轮廓信息。高通滤波器：让图像使低频分量抑制，高频分量通过。低通滤波器：与高通相反，让图像使高频分量抑制，低频分量通过。 图像频域滤波增强技术是在频率域空间对图像进行滤波，因此需要将图像从空间域通过傅里叶变换频率域，具体操作如下： 假定原图像f(x,y)，经傅里叶变换为F(u,v)，频率域增强就是选择合适的滤波器函数H(u,v)对F(u,v)的频谱成分进行调整，然后经逆傅里叶变换得到增强的图像g(x,y)。该过程可以通过下面的流程描述： （１）对原始图像f(x,y)进行傅里叶变换得到F(u,v)； （２）将F(u,v)与传递函数H(u,v)进行卷积运算得到g(u,v)； （３）将g(u,v)进行傅里叶逆变换得到增强图像g(x,y)。 频域滤波的核心在于如何确定传递函数，即H(u,v)。常用的频率域低通滤波器H(u,v)有4种。理想低通滤波器、巴特沃斯（Butterworth）低通滤波器、指数低通滤波器、梯形低通滤波器。 图像增强MatLab实现 clear all; I1=imread(cameraman.tif); %转载图像 fftI1=fft2(I1);????????????????????? ??%二维离散傅立叶变换 sfftI1=fftshift(fftI1);??????????????%直流分量移到频谱中心 RR1=real(sfftI1);????????????????????%取傅立叶变换的实部 II1=imag(sfftI1);????????????????????%取傅立叶变换的虚部 A1=sqrt(RR1.^2+II1.^2);?????????????%计算频谱幅值 A1=(A1-min(min(A1)))/(max(max(A1))-min(min(A1)))*225;%归一化 subplot(3,2,2);imshow(A1);???????? ??%显示原图像的频谱 figure,imshow(I1,[]); %把图像显示出来 % I1=imnoise(I1,salt pepper); % figure,imshow(I1); snoise=0.1*randn(size(I1));? ?I1=imadd(I1,im2uint8(snoise));?%?受随机噪声干扰 figure,imshow(I1);? %显示噪声图像 f=double(I1); %图像存储类型转换 g=fft2(f);