[理学]3-1图像变化-傅立叶变换.pptVIP

第三章 图象变换 第一讲 傅立叶变换 内容简介 概述与分类 傅立叶变换和性质 快速傅立叶变换 概述和分类 将图像看成是线性叠加系统 图像在空域上相关性很强 图像变换是将图像从空域变换到其它域如频域的数学变换 常用的变换：傅立叶变换、离散余弦变换、小波变换、哈达码变换等 概述和分类 一维离散傅立叶变换 1）一维离散傅立叶变换对 二维傅立叶变换 2DFT(Two Dimensions Fourier Transform） 傅立叶变换的性质Properties of the Fourier Transform 傅立叶变换的性质 2 平移性 如果f(x,y) ? F(u,v),则 频率域平移： f(x,y)exp[j2?(u0x+v0y)/N] ? F(u-u0,v-v0) 空间域平移： f(x-x0,y-y0) ? F(u,v)exp[-j2?(ux0+vy0)/N] ?表示函数和其傅立叶变换相对应。 公式（1）表将f(x,y)与一个指数项相乘就相当于把其变换后的频域中心移动到新的位置 公式（2）表明将F(u,v)与一个指数项相乘就相当于把其变换后的空域中心移动到新的位置 公式（2）表明对f(x,y)的平移不影响其傅里叶变换的幅值 傅立叶变换的性质 3 周期性和共轭对称性 : F(u,v)=F(u+N,v)=F(u,v+N)=F(u+mN,v+nN). 若f(x,y)是实函数 F(u,v)=F*(-u,-v) |F(u,v)|=|F(-u,-v)|. F*(u,v)是F(u,v)的复共轭 傅立叶变换的性质 4 旋转性质 x=rcos?, y=rsin?, u=?cos?, v=?sin?. f(r, ? + ? 0) ? F(?, ?+ ? 0)，对连续、离散均成立。 注意观察对应关系 傅立叶变换的性质 5 分配率 F{f1(x,y)+f2(x,y)}=F{f1(x,y)}+F{f2(x,y)}, F{f1 (x,y)f2 (x,y)}!= F{f1 (x,y)}F{f2 (x,y)}. 傅立叶变换的性质 6 尺寸变换（缩放） 设a,b是两标量， af(x,y) ? aF(u,v), f(ax,by) ? 1/|ab|F(u/a,v/b). 傅立叶变换的性质 傅立叶变换的性质 一维卷积定义： 傅立叶变换的性质 离散信号f(x),A；g(x),B扩展成周期函数fe(x), ge(x), ，M?A+B-1 它们的离散卷积可定义为： 连续卷积和离散卷积 周期的选择对离散卷积的影响。如果周期选择的太小，则离散卷积对连续卷积的近似是很差的。原因是周期太小，则两个函数的输出会发生重迭。 离散卷积的周期选择公式：要使离散卷积近似于连续卷积，则周期必须满足下面的公式： M=A+B－1 其中，A是函数 x(t) 的周期，B 为函数 h(t) 的周期。 二维卷积定义： 卷积示例(1.1) f(x)和g(x)作卷积 卷积示例(1.2) f(?)和g(x- ?) 乘积 卷积定理 如果f(x,y)?F(u,v), g(x,y) ? G(u,v) 则f(x,y)*g(x,y) ? F(u,v)G(u,v) 许多图像变换是卷积运算 在频域的乘积运算比在空域的卷积运算快，特别是有了快速傅立叶变换以后，效果更加明显。 傅立叶变换的性质 相关定义 一维相关定义： 相关定理 如果f(x,y)?F(u,v), g(x,y) ? G(u,v) 则f(x,y)?g(x,y) ? F(u,v)G*(u,v) 相关主要应用于模板和原型匹配 给定一个未知图像和已知图像集之间求最紧密的匹配。其基本途径是求相关，然后取相关函数最大值。 数字图像处理和傅立叶变换 1）频谱的图像显示 谱图像加深对图像的视觉理解，如一幅遥感图像受正弦网纹的干扰，从谱图像中可看出干扰的空间频率并有效去除。 数字图像处理和傅立叶变换 数字图像处理和傅立叶变换 数字图像处理和傅立叶变换 数字图像处理和傅立叶变换 数字图像处理和傅立叶变换 傅里叶变换示例 快速傅立叶变换 1850年，高斯给出了DFT有效算法 1942年，丹尼尔森证明了一个界长为N的傅立叶变换可以由两个界长为N/2的傅立叶变换表示。 1964年，库利-图基给出了快速傅立叶变换算法 快速傅立叶变换 DFT与FFT计算量比较 基本思想 基本思想 公式推导 公式推导 公式推导 公式推导 公式推导 公式推导 公式推导 公式推导 公式推导 FFT特性 FFT思想 例题 例题 算法实现