
- 数字图像处理
- DIP - 首页
- DIP - 图像处理导论
- DIP - 信号与系统导论
- DIP - 摄影史
- DIP - 应用与使用
- DIP - 维度的概念
- DIP - 相机成像
- DIP - 相机机制
- DIP - 像素的概念
- DIP - 透视变换
- DIP - 每像素位数的概念
- DIP - 图像类型
- DIP - 颜色代码转换
- DIP - 灰度到RGB转换
- DIP - 采样的概念
- DIP - 像素分辨率
- DIP - 放大的概念
- DIP - 放大方法
- DIP - 空间分辨率
- DIP - 每英寸像素、点和线
- DIP - 灰度分辨率
- DIP - 量化的概念
- DIP - ISO 偏好曲线
- DIP - 抖动的概念
- DIP - 直方图导论
- DIP - 亮度和对比度
- DIP - 图像变换
- DIP - 直方图滑动
- DIP - 直方图拉伸
- DIP - 概率论导论
- DIP - 直方图均衡化
- DIP - 灰度变换
- DIP - 卷积的概念
- DIP - 掩码的概念
- DIP - 模糊的概念
- DIP - 边缘检测的概念
- DIP - Prewitt算子
- DIP - Sobel算子
- DIP - Robinson罗盘掩模
- DIP - Krisch罗盘掩模
- DIP - 拉普拉斯算子
- DIP - 频域分析
- DIP - 傅里叶级数和变换
- DIP - 卷积定理
- DIP - 高通滤波器与低通滤波器
- DIP - 颜色空间导论
- DIP - JPEG压缩
- DIP - 光学字符识别
- DIP - 计算机视觉与图形学
- DIP 有用资源
- DIP - 快速指南
- DIP - 有用资源
- DIP - 讨论
傅里叶级数和变换
在上一篇关于频域分析的教程中,我们讨论了傅里叶级数和傅里叶变换用于将信号转换为频域。
傅里叶
傅里叶是1822年的数学家。他提出了傅里叶级数和傅里叶变换,用于将信号转换为频域。
傅里叶级数
傅里叶级数简单地说,周期信号可以表示为正弦和余弦的和,并乘以一定的权重。它进一步指出,周期信号可以分解成具有以下属性的更进一步的信号。
- 这些信号是正弦和余弦
- 这些信号彼此是谐波关系
它可以用图示的方式表示为

在上图中,最后一个信号实际上是所有上面信号的总和。这是傅里叶的想法。
如何计算
正如我们在频域中看到的,为了在频域中处理图像,我们需要首先使用它将其转换为频域,并且我们必须取输出的逆变换以将其转换回空间域。这就是为什么傅里叶级数和傅里叶变换都有两个公式。一个用于转换,另一个用于将其转换回空间域。
傅里叶级数
傅里叶级数可以用这个公式表示。

逆变换可以通过这个公式计算。

傅里叶变换
傅里叶变换简单地说,曲线下面积有限的非周期信号也可以表示为正弦和余弦的积分,并乘以一定的权重。
傅里叶变换有很多广泛的应用,包括图像压缩(例如JPEG压缩)、滤波和图像分析。
傅里叶级数和变换的区别
尽管傅里叶级数和傅里叶变换都是由傅里叶提出的,但它们之间的区别在于傅里叶级数应用于周期信号,而傅里叶变换应用于非周期信号。
哪一个应用于图像
现在问题是,哪一个应用于图像,傅里叶级数还是傅里叶变换。这个问题的答案在于图像的本质。图像是非周期的。由于图像是非周期的,因此使用傅里叶变换将其转换为频域。
离散傅里叶变换
由于我们正在处理图像,事实上是数字图像,因此对于数字图像,我们将使用离散傅里叶变换。

考虑上面正弦波的傅里叶项。它包含三件事。
- 空间频率
- 幅度
- 相位
空间频率与图像的亮度直接相关。正弦波的幅度与对比度直接相关。对比度是最大和最小像素强度之间的差异。相位包含颜色信息。
二维离散傅里叶变换的公式如下所示。

离散傅里叶变换实际上是傅里叶变换的采样,因此它包含一些表示图像的样本。在上式中,f(x,y)表示图像,F(u,v)表示离散傅里叶变换。二维离散傅里叶逆变换的公式如下所示。

离散傅里叶逆变换将傅里叶变换转换回图像。
考虑这个信号
现在我们将看到一个图像,我们将计算它的FFT幅度谱,然后计算移位的FFT幅度谱,然后取该移位谱的对数。
原始图像

傅里叶变换幅度谱

移位的傅里叶变换

移位的幅度谱
