傅里叶变换和频率域滤波的介绍.docVIP

PAGE PAGE 10 傅立叶变换和频率域滤波的介绍 序言．傅立叶变换的作用和意义 1、下图中，最后一个波是由前面四个波组合而成的，是用傅立叶变换，可以很容易将其区分出来。 2、对比物理上对光谱的理解（赤橙黄绿青蓝紫、初中对光的三棱镜分解、高中对燃烧的钠元素所发出光的光谱分析实验），可以将傅立叶变换理解成“数学上的三棱镜”，傅立叶变换使我们能够通过频率成分来分析一个函数。 一．一维傅立叶变换及其反变换 单变量连续函数f(x)的傅立叶变换F(u)定义为等式： ??????????????? (1) 其中j=。相反，给定F(u)，通过傅立叶反变换可以获得f(x)： ???????????????? ??? (2) 这两个等式组成了傅立叶变换对。 很明显，是一个复函数，即 (3) R(u)和I(u)分别是F(u)的实部和虚部，其中 (4) 称为傅立叶变换的幅度或频率谱，同时 (5) 称为变换的相角或相位谱。 在研究图像增强时，我们主要关心频率谱的性质。所以需要定义的另一个量是功率谱，它被定义为傅立叶变换的平方： (6) 术语“谱密度”也用来指功率谱。 这些等式很容易扩展到两个变量u和v的情况： ?? (7) 类似地，反变换为： ? (8) 例1、已知，而且。则其傅立叶变换为： 我们的兴趣在于离散函数，所以将不停留在这些数学定义中。然而，在某些情况下，利用这些等式比利用它们的离散形式更容易证明二维傅立叶变换的性质。 单变量离散函数f(x)(其中x=0，1，2，…，M一1)的傅立叶变换（离散傅立叶变换 DFT）由以下等式给出： ??? u=0，1，2，…，M一1???? (9) 同样，给出F(u)，能用离散傅立叶反变换IDFT来获得 原函数： ???? x=0，1，2，…，M一1??????? (10) 在傅立叶变换前的1／M乘数有时被放置在反变换前。其他时候(非经常)，两个等式都乘以1∕。乘数的位置并不重要。如果使用两个乘数，仅要求必须使乘积结果为1／M。相比它们的重要性，这些等式的确非常简单。 为了计算在式(9)中的F(u)，首先在指数项中代入u=0，然后，将所有x值相加。之后，在指数项中代人u=1，重复对所有x的相加。对所有M个u值重复这一过程，从而可获得完整的傅立叶变换。这个过程花费了将近M2个加法和乘法来计算离散傅立叶变换(减少这个运算数量是一个很重要的课题，FFT就是基于此)。像f(x)一样，变换在数量上也是离散的，有着与f(x)相同数量的分量。离散傅立叶反变换的计算与之类似。 离散变换对的一个很重要的特性是，不像连续的情形，不必关心DFT或它的反变换是否存在。离散傅立叶变换和它的反变换总是存在的。这一点可以从将式(9)或式(10)相互代人到对方式子中以及利用指数的正交特性来得出。可以获得一个指明这两个函数存在的恒等式。当然，当f(x)为无限值时，总会有些同题发生，但我们在本书中仅处理有限数值。总之一句话：对于数字图像处理，离散变换或其反变换的存在不是问题。 频率域的概念将会在斜面被多次提到，从欧拉公式中得到： ??????? (11) 将此表达式代人式(9)中，使用公式cos(-θ)=cosθ，得出： ?? (12) 其中，u=0，1，2，…，M一1。因此，我们看到傅立叶变换的每项[即对于每个u值，F(u)的值]由f(x)函数所有值的和组成。f(x)的值则与各种频率的正弦值和余弦值相乘。F(u)值的范围覆盖的域(u的值)称为频率域，因为u决定了变换的频率成分(x也作用于频率，但它们相加，对每个u值有相同的贡献)。F(u)的M项中的每一个被称为变换的频率分量。使用术语“频率域”和“频率成分”与“时间域”和“时间成分”没有差别，如果x是一个时间变量，可用它来表示f(x)的域和值。 一个恰当的比喻是将傅立叶变换比做一个玻璃棱镜。棱镜是可以将光分成不同颜色成分的物理仪器，每个成分的颜色由波长(或频率)决定。傅立叶变换可看做“数学的棱镜”，将函数基于频率分成不同的成分。当我们考虑光时，讨论它的光谱或频率谱线。同样，傅立叶变换使我们能够通过频率成分来分析一个函数。这是属于线性滤波核心的重要概念。 总之，从式(9)或式(12)中可以看出傅立叶变换的成分很复杂。正如在复数的分析中，我们发现有时在极坐标下表示F(u)很方便，这里推出另一个关系式为： (13) 此外，在式(9)的离散傅立叶变换中，函数f(x) ,x=0，1，2，…，M一1，表示从连续的公式中取M个样点。记住这一点很重要，这些样点不一定必须选取x在[0，M-1]范围内的整数值。但在这里它