傅里叶变换8.docVIP

傅里叶变换 　　傅里叶变换 　　实现图像变换的手段有数字和光学两种形式，它们分别对应二维离散和连续函数运算。数字变换在计算机中进行，提高运算速度是这种方式的关键。常用的有三种变换方法。①傅里叶变换。②沃尔什-阿达玛变换。③离散卡夫纳－勒维变换。其中傅里叶变换是应用最广泛和最重要的变换。它的变换核是复指数函数，转换域图像是原空间域图像的二维频谱，其“直流”项与原图像亮度的平均值成比例，高频项表征图像中边缘变化的强度和方向。为了提高运算速度，计算机中多采用傅里叶快速算法。它是一种便于运算的变换。变换核是值+1或-1的有序序列。这种变换只需要作加法或减法运算,不需要象傅里叶变换那样作复数乘法运算,所以能提高计算机的运算速度，减少存储容量。这种变换已有快速算法，能进一步提高运算速度。它是以图像的统计特性为基础的变换，又称霍特林变换或本征向量变换。变换核是样本图像的协方差矩阵的特征向量。这种变换用于图像压缩、滤波和特征抽取时在均方误差意义下是最优的。但在实际应用中往往不能获得真正协方差矩阵，所以不一定有最优效果。它的运算较复杂且没有统一的快速算法。可以用它完成图像分析、图像增强及图像压缩等工作。 　　一、离散傅里叶变换 　　1.1、一维离散傅里叶变换 　　对于有限长序列f(x)(x?0,1,?,N?1)，定义一维离散傅里叶变换对如下： 　　N?1 　　F(u)?DFT 　　?f(x)????F(u)?? 　　2?N 　　x?0 　　f(x)W 　　N?1 　　ux 　　u?0,1,?N?1 （1-1） 　　f(x)?IDFT 　　1N 　　? 　　u?0 　　F(u)W 　　?ux 　　x?0,1,?N?1 （1-2） 　　式中，W?e 　　?j 　　，称为变换核。由上式可见，给定序列f(x)，可以求出其傅里叶谱F(u)；反之 　　亦然。因此离散傅里叶变换对可以简记为f(x)?F(u)。F(u)一般可以写成为复数形式： F(u)?F(u)e 　　j?(u) 　　（1-3） 　　其中，称F(u)为傅里叶幅度谱，?(u)为相位谱。 1.2、二维离散傅里叶变换 　　一幅静止的数字图像可以看成是二维数据陈列，因此，数字图像处理主要是二维数据处理。将一维离散傅里叶变换推广到二维，则二维离散傅里叶变换对被定义为： 　　F?f(x,y)??F(u,v)? 　　1MN 　　M?1N?1 　　?? 　　x?0y?0 　　f(x,y)e 　　?uxvy??j2???? 　　N??M 　　（1-4） 　　F 　　?1 　　?F(u,v)?? 　　M?1N?1 　　f(x,y)? 　　?? 　　x?0y?0 　　F(u,v)e 　　?uxvy? 　　j2???? 　　N??M 　　（1-5） 　　式中，u,x?0,1,2,?,M?1；v,y?0,1,2,?,N?1；x,y为时域变量；u,v为频域变量。二维离散函数的复数形式、指数形式、振幅、相位角、能量谱的表示类似于二维连续函数相应的表达式。二 　　维离散傅里叶变换的性质对图像的分析具有十分重要的作用，因此，有必要理解二维离散傅里叶的性质。下面介绍几种性质。 　　1.3、离散傅里叶变换的性质 　　离散傅里叶变换具有可分离性、平移性、周期性及共轭对称性、旋转不变性和线性性质等。 1.3.1、可分离性 由式（1-4），有： 　　F(u,v)? 　　1M 　　M?1 　　?e 　　x?0 　　?j2?ux/M 　　1N 　　N?1 　　? 　　y?0 f(x,y)e 　　?j2?vy/N 　　（1-6） 　　其中，u?0,1,?,M?1；v?0,1,?,N?1。同理，式（1-5）可以分离成： 　　M?1 　　f(x,y)? 　　?e 　　u?0 　　j2?ux/M 　　1N 　　N?1 　　? 　　v?0 　　F(u,v)e 　　j2?vy/N 　　x?0,1,?,M?1;y?0,1,?N?1 （1-7） 　　1.3.2、平移性 　　离散傅里叶变换的结果可以进行平移的。离散傅里叶变换在空间域平移的公式： 　　ux0?vy0?? 　　f(x?x0,y?y0)?F(u,v)exp??j2? ? （1-8） 　　N?? 　　离散傅里叶变换在频率域平移公式： 　　ux0?vy0?? 　　f(x,y)exp?j2? ??F(u?u0,v?v0) （1-9） 　　N?? 　　由上式可知，当u0?v0? 　　N2 　　时，可以简单地用??1? 　　x