第4章 图像变换 (1).pptVIP

* 只采用幅度谱恢复的图像，不可辨识，而且存在严重的动态范围问题； 而只采用相位谱恢复的图像，虽然可以辨识，但是品质下降非常严重。 * 没有进行中心化的频谱图是什么样的？ * 能量是守恒的。 * 此页之后删除 * 放在图像压缩、JPEG标准中讲 * 沃尔什(Walsh)，1923，美国数学家 /cutepig/archive/2009/06/28/1512698.html * 图4.14 傅里叶频谱中心化 (a) 512×512图像，中心白色矩形大小为 20×40，坐标原点在左上角； (b) (a)的中心傅里叶频谱，经过了对数变换 (a) (b) (6) 周期性 F(u,v) = F(u+aN, v+bN), f (x,y) = f (x+aN, y+bN) (7) 共轭对称性 (a) 图形的频谱分析和显示 (b) 图像中心化 周期性和共轭对称性的应用 (8) 旋转不变性 图4.15 图像旋转前后对应的傅里叶频谱图 (9) 平均值 (10) 卷积定理 (11) 相关定理 互相关： 自相关： 图像相关 图4.16 利用相关寻找图像中特定字符 (a) 原始图像 (b) 模板 (c) 相关图像 (d) 其中一行取值 最高相关值 灰度级剖面线 (12) 帕塞瓦定理（能量定理） 若 f1(x, y) = f2(x, y) = f (x, y)，则有： 4. 快速傅里叶变换(FFT) 离散傅里叶变换称为信号处理的一种基础工具的主要原因之一 ——快速傅里叶变换（FFT） N点一维傅里叶变换要求N2次乘/加运算，而使用FFT只需进行Nlog2N次运算。 图4.17 FFT与DFT的运算量比较图 n = 15 (32768点) 时，FFT相对DFT有接近2200：1的优势 (1) 快速傅里叶变换算法原理 逐次倍加法 一维DFT： 其中： 设N为2的正整数次幂，即： N也可以表示为： M也是正整数。代入(1)式： (1) (2) (3) (4) 由 可知 所以 定义： 则 同理，由 和 可得： (5) (6) (7) (8) (9) 分析(6)到(9)式，可以得出： 一个N点变换可以通过将原始表达式分成两部分来计算。如式(8)和(9)所示。 计算F(u)的前半部分： 对式(6)和式(7)给出的两个N/2点变换进行计算。计算出的Feven(u) 和Fodd(u)结果代入式(8)得到F(u)，u=0, 1, 2, … , (N/2-1)。 另一半直接可从式(9)得出。 (2) 运算次数 令m(n)和a(n)分别代表算法所要求的复数乘法和加法的次数。 n = 1 —— 2点变换， m(1) = 1，a(1) = 2 2点变换，需计算F(0)和F(1)。此时M=1, 单点傅里叶变换即其本身。由式(8)，只需一次Fodd(0)与 的乘法和一次加法即可得到F(0)； 再做一次加法即可得到F(1)。 n = 2 —— 4点变换， m(2) = 2m(1)+2， a(2) = 2a(1)+4 获取F(u)的第一半需计算2个2点的变换，这需要2m(1)=2次乘法和2a(1)=4次加法； 另一半还需令2次乘法和另2次加法。 n = 3 —— 8点变换， m(3) = 2m(2)+4 ， a(3) = 2a(2)+8 为得到Feven(u) 和Fodd(u) 需计算2个4点变换，需要2m(2)次乘法和2a(2)次加法。 另外还需要4次乘法和8次加法已得到全部变换。 任意n， 所需乘法次数：m(n) = 2m(n-1)+2n-1 ， n ?1 所需加法次数：a(n) = 2a(n-1)+2n ， n ?1 如果 n = 0， m(0)=0，a(0)=0 可以用归纳法证明 N点一维离散快速傅里叶变换要求的乘法和加法运算次数： 快速傅里叶优于直接的一维离散傅里叶的计算优势定义： 假设 则计算优势可以用n表示： n = 15 (32768点) 时，FFT相对DFT有接近2200：1的优势 图4.17 FFT与DFT的运算量比较图 FFT变换蝶形图 奇偶分组和比特倒序 三、其他可分离的图像变换 傅里叶变换是用无穷区间上的复正弦基函数和信号的内积描述信号中总体频率分布，或者是将信号向不同频率变量基函数矢量投影。 基函数可以有其它不同类型，相当于用不同类型基函数去分解信号（图像）。 常用的几种： 余弦变换 沃尔什-哈德玛（Walsh-Hadamard）变换 小波变换 一维离散余弦变换定义： 一维离散余弦反变换定义： 1. 离散余弦变换 余弦变换的变换核为 二维离散余弦变换定义： 二维离散余弦反变换定义： 余弦变换可以利用傅里