第3章__图像信号正交变换1.pptVIP

数字图像处理 Digital Image Processing 第3章 图像信号的正交变换 3.1 离散傅立叶变换 3.1 离散傅立叶变换 许多问题在频域中讨论时，便于分析。例如，空间位置上的变化不改变信号的频域特性。 3.1 离散傅立叶变换 信号处理方法通常有两类：时域分析法和频域分析法； 在频域中最为关键的预处理是变换处理，变换应该是线性的，且是可逆的并满足一定的正交条件； 信号变换方法：经典的傅立叶变换、K-L变换、沃尔什变换、哈达玛变换、余弦变换以及小波变换等 图像变换的前提条件： ★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。 定义：设{f(n)｜n=0,…,N-1}为一维信号的N个抽样，其离散傅立叶变换及其逆变换分别为： 一、一维离散傅立叶变换DFT 离散傅立叶变换对的时域函数和频域函数都是周期函数，且都是由样点数N决定，但和连续变换对有一定误差，减小采样间隔可以使得离散和连续傅立叶变换等价。 二、二维离散傅立叶变换DFT 因为数字图像信号是二维的数字信号，所以必须采用二维傅立叶变换才能够实现对图像的频域变换。 二、二维离散傅立叶变换DFT 二维傅立叶变换作用： 1.可以得出信号在各个频率点上的强度； 2.可以将卷积运算化为乘积运算。 在DFT变换对中，F(u,v)称为离散信号f(x,y)的频谱，而|F(u,v)| 称为幅度谱，φ(u,v)为相位谱，它们之间的关系为： (1)变换的可分离性 引入极坐标： x=rcosθ,y=rsinθ = u= ωcosφ,v = ω sinφ 则f(x,y)和F(u,v)分别表示为f(r,θ)和F(ω,φ) ｆ(r,θ+θ0) ←→ Ｆ(ω,φ+θ0) 注意观察对应关系 (3) 二维DFT的实现 (3) 二维DFT的实现 转置 f(x,y)? F列［f(x,y)］=F(u,y) －?F(u,y)Ｔ 　　　　　　　　　　　　　　 转置 　 ? F列［F(u,y)Ｔ］=F(u,v)Ｔ－? F(u,v) 回顾：性质列表 傅立叶性质小结： 1、傅立叶变换是线性积分变换，在时间（或空间）域的复数函数和频率域的复数函数间建立起唯一对应。 2、傅立叶变换保持奇偶性。 3、函数和的傅立叶变换等于它们分别变换再求和（加法定理）。 4、平移函数的原点将在傅立叶谱中引入一个相位移（与频率成正比），它改变了谱的实部和虚部的能量分配，但不改变总能量（位移定理）。 傅立叶性质小结： 5、两个函数的卷积对应于它们傅立叶变换相乘（卷积定理）。 6、压缩一个函数会扩展它的傅立叶变换，反之亦然（尺度变换定理）。 7、函数的能量同其傅立叶变换谱的能量相等。 8、能量有限的输入信号可被分解为有限多个正余弦函数的和差。 9、旋转二维函数，它的傅立叶变换也旋转相同的角度。 10、自相关函数的傅立叶变换是能量谱。 二维DFT变换实例 二维DFT变换实例 二维DFT变换的应用 1、用于图像滤波： DFT变换后的图像，中间部分为低频部分，越靠外边频率越高。可在DFT变换图中选择所需的高频或低频滤波。 2、用于图像压缩 变换系数刚好表现的是各个频率点上的幅值 (小波变换没有提出前用来进行压缩编码） 。考虑到高频反映细节、低频反映景物概貌的特性。往往将高频系数置为0，骗过人眼。 3、用于计算卷积 如果抽象来看，可以认为图像信息经过了滤波器的滤波（如平滑滤波、锐化滤波等 ）。如果滤波器的结构比较复杂时，直接进行时域中的卷积运算是不可能的。DFT可将卷积运算转换为点乘运算，由此简化运算提高计算速度。 3.3 离散余弦变换 问题提出：DFT变换的一个最大的问题是： 它的参数都是复数，在数据的描述上相当 于实数的两倍；收敛速度慢。 为此，我们希望有一种能够达到相同功 能但数据量又不大的变换。在此期望下， 产生了DCT变换。 3.3 离散余弦变换 一、一维DCT 基本思想将一个实函数对称延拓成一个实偶函数，因为实偶函数的傅立叶变换也必然是实偶函数，连续函数和离散函数的余弦变换都是基于这一原理。 给定实信号序列{f(x)|x=0,1,…,N-1}，可以按下式将其延拓为偶对称序列 对G(x)求2N点的一维DFT有： 对于N点的离散DCT变换对应于上述2N点的离散DFT有效信息的一半，即一维DCT为 二、二维DCT 定义正变换为： 定义逆变换为： 二维DCT的正反变换的变换核都相同， 且是可分离的 : 由于DCT相当于对带有中心偏移的偶函数进行二维DFT，因此，其谱域与 DFT 相差一倍。对