matlab《数字图像处理》第8章 傅立叶变换.ppt

* %已知一幅1000*1000大小的二值图像，中间为50*300的白色区域，其它区域为黑色 %下面以这幅图像为例来研究傅立叶变换的旋转特性 clc clear all close all f=zeros(1000,1000); f(350:649,475:524)=1; %定义图像 subplot(221) imshow(f,notruesize); title(原始图像); 3 ）傅立叶性质（旋转）: * subplot(222) F=fftshift(abs(fft2(f))); imshow(F,[-1 5], InitialMagnification,fit); title(原始图像的傅立叶变换频谱); subplot(223) f=zeros(1000,1000); f(350:649,475:524)=1; f=imrotate(f,45,bilinear,crop); %以图像中心为将原点旋转45度 imshow(f,notruesize); title(图像正向旋转45度); * subplot(224) F=fftshift(abs(fft2(f))); imshow(F,[-1 5], InitialMagnification,fit); title(图像正向旋转45度的傅立叶变换频谱); * * 4） 比例尺度展宽 （a）原始图像 （b）比例尺度展宽前的频谱 （c）比例尺度a=0.1，b=1，展宽后的频谱 * %模块匹配实例 %傅立叶变换可以应用于图像中定位目标图，也叫做模式匹配。 %通常做法是：将图像和旋转90度后的模式图像（定位目标图） %做相关运算，然后对结果取一定的阈值 clc clear all close all bw=imread(text.png); a=bw(32:45,88:98); %从图像中提取字码“a” 5） 傅立叶性质（相关）——模板匹配 * subplot(221),imshow(bw); subplot(222),imshow(a) C=real(ifft2(fft2(bw).*fft2(rot90(a,2),256,256))); %图像和定位模块图像旋转90度的傅立叶变换后做点乘运算，再返回空间域 %也就是相当于相关运算 subplot(223),imshow(C,[]) max(C(:)) * %寻找矩阵C的最大值 thresh=60; %根据最大值确定阈值60 subplot(224), imshow(Cthresh) %显示大于阈值的像素点 * 对一副图片求其幅值谱和相位谱，并对幅值谱和相位谱分别进行图像构，对比其所求结果。 （a）原图 6） 傅立叶的幅度谱和相位谱 （b）幅值谱 （c）相位谱 （d）幅值谱重构图像（e）相位谱重构图像 图4.12傅里叶图像及其傅里叶变换 对图（a）进行离散傅里叶变换，得出幅值谱 图（b），相位谱图（d）及幅值谱重构图像图（c）， 相位谱重构图图（e）。从实验结果可以看出，从幅 值谱图像中得到的信息比在相位谱图像中得到的信息 多，但对幅值谱图像重构后，即忽略相位信息，将其 设为0，所得到的图像与原始图像相比，结果差别很 大；而对相位谱图像重构后，及忽略幅值信息，将其 设为常数，可以从中看出图像的基本轮廓来。 * 8） 傅立叶其它的应用——频域增强 变换域增强是首先经过某种变换（如傅里叶变换）将图像从空间域变换到变换域，然后在变换域对频谱进行操作和处理，再将其反变换到空间域，从而得到增强后的图像。 在变换域处理中最为关键的是变换处理。在图像增强处理中，最常用的正交变换是傅里叶变换。当采用傅里叶变换进行增强时，把这种变换域增强称为频域增强。 低通滤波 图像从空间域变换到频率域后，其低频分量对应图像中灰度值变化比较缓慢的区域，高频分量则表征图像中物体的边缘和随机噪声等信息。 高通滤波 图像的边缘、细节主要在高频，图像模糊是由于高频成分较弱产生的。为了消除模糊，突出边缘，可以采用高通滤波的方法，使低频分量得到抑制，从而达到增强高频分量，使图像的边沿或线条变得清晰，实现图像的锐化 * 8.6 小结 一维傅立叶变换 二维傅立叶变换 通过matlab图像处理加强对傅立叶性质的掌握 了解傅立叶变换的应用 * 6）周期性和共轭对称性 * 7）平均值 * 7）平均值 * 8）卷积定理 *卷积 ? 乘积 则： * 9） 相关定理 则： *共轭 乘积 相关 * 卷积和相关理论总结： 卷积是空间域滤波和频率域滤波之间的纽带。 * 相关性匹配举例 延拓图像f(x,y) 相关函数图像 离散傅立叶变换应用中的