《数字图像处理-傅立叶变换》.ppt

五. 二维傅立叶变换 1. 二维连续函数傅立叶变换的定义 二维傅立叶正变换: 二维傅立叶逆变换: 2. 二维离散函数傅立叶变换的定义 根据一维离散傅立叶变换的定义和二维连续傅立叶变换理论，对于一个具有M×N个样本值的二位离散序列f(x，y)，（x=0,1,2,3, …,M-1；y=0,1,2,3, …,N-1）其傅立叶变换为： (1) 二维离散傅立叶正变换 (2) 二维离散傅立叶逆变换 若已知频率二维序列F(u，v) （u=0,1,2,3, …,M-1；v=0,1,2,3, …,N-1），则二维离散序列F(u，v)的傅立叶逆变换定义为： Δx、Δy和Δu、Δv，分别为空间域采样间隔和频率域采样间隔 两者之间满足如下关系： 式中序列R(u，v) 和I(u，v)分别表示离散序列F(u，v)的实序列和虚序列。 二维序列f(x，y)的频谱（傅立叶幅度谱）、相位谱和能量谱（功率谱）分别如下： F(u，v)可以表示为如下形式： (1)．线性特性 3. 二维离散傅立叶变换的性质 (2) 比例性质 = (3)平移性质 二维傅立叶变换的移位特性表明，当用 乘以f(x，y)，然后再进行乘积的离散傅里叶变换时，可以使空间频率域u-v平面坐标系的原点从(0，0)平移到(u0，v0)的位置。 (4)可分离性 二维傅立叶变换的可分离特性表明，一个二维傅立叶变换可通过二次一维傅立叶变换来完成，即：第一次先对y进行一维傅立叶变换 在此基础上对x进行一维傅立叶变换 变量分离步骤如图所示 若已知频率二维序列F(u，v)，则二维可分离性对傅立叶逆变换同样适应 逆变换的分离性也同样可以分解为两次一维傅立叶变换 (5)周期性 如果二维离散函数f(x，y)的傅里叶变换为F(u，v)， 则傅立叶变换及其逆变换存在如下周期特性： (6)共轭对称性 半周期的傅里叶频谱 全周期的傅里叶频谱 一幅二维图像的傅里叶频谱 中心化的傅里叶频谱 (7)旋转不变性 图像f(x，y)可以表示为f(r，θ)。同样，空间频率域的F(u，v)采用极坐标可以表示为F(ρ，)。二维离散傅立叶存在如下旋转特性： (a)原始图像 (b) DFT变换 (c) 原始图像旋转45o (d) 旋转之后DFT变换结果 (8)微分性质 (9)平均值性质 平均值定义如下 平均值性质如下： 即： 结论：二维离散函数的平均值等于其傅立叶变换在频率原点处值的1/MN。 10. 卷积定理： f(x,y)*h(x,y) <=> F(u,v)H(u,v) f(x,y)h(x,y) <=> F(u,v)*H(u,v) 二维傅立叶变换(幅值及相位)意义 左边一列: 上方为原始图像,下方为本图的相关说明说明; 中间一列: 上图幅值谱,下图为根据幅值谱的傅立叶逆变换(忽略相位信息,设相位为0); 右边一列: 上图相位谱,下图为根据相位谱的傅立叶逆变换(忽略幅值信息,设幅值为某一常数); 图像的说明 数字图像处理-傅立叶变换 一. 图像变换的作用 图像变换的定义 是将图像从空域变换到其它域（如频域）的数学变换 图像变换的作用 我们人类视觉所感受到的是在空间域和 时间域的信号。但是，往往许多问题在频域中讨论时，有其非常方便分析的一面。 1. 方便处理 2. 便于抽取特性 常用的变换 傅立叶变换Fourier Transform 2. 离散余弦变换Discrete Cosine Transform 3. 沃尔什－哈达玛变换Walsh-Hadamard Transform 二. 傅立叶变换 傅立叶变换的作用 （1）可以得出信号在各个频率点上的强度。 （2）可以将卷积运算化为乘积运算。 （3）傅氏变换和线性系统理论是进行图像恢复 和重构的重要手段。 （4）傅立叶变换能使我们从空间域与频率域两个不同的角度来看待图像的问题，有时在空间域无法解决的问题在频域却是显而易见的。 傅立叶变换的定义 傅立叶变换 若f(x)为一维连续实函数， 则它的傅里叶变换可定义为： 傅立叶逆变换定义如下： 函数f(x)和F(u)被称为傅立叶变换对。即对于任一函数f(x)，其傅立叶变换F(u)是惟一的； 反之，对于任一函数F(u)，其傅立叶逆变换f(x)也是惟一的。 傅里叶变换的条件 傅里叶变换在数学上的定义是严密的，它需要满足 如下狄利克莱条件： (1) 具有有限个间断点； (2) 具有有限个极值点； (3) 绝对可积; F(u)