四、图像的频域变换——傅立叶变换

约瑟夫·傅立叶(Joseph Fourier)——法国数学家、物理学家,1807年提出傅立叶变换。

        傅立叶变换是最早研究与应用的酉变换;60年代出现快速傅立叶变换;傅立叶变换域也称为频域。

基本数学概念

        调谐信号(欧拉公式):\\f(t)=e^{j\omega t}=\cos(\omega t)+j\sin(\omega t),\quad 其中j^2=-1

        傅立叶积分:

\\H(f)=\int_{-\infty}^{+\infty}h(t)e^{-j2\pi ft}dt,\quad 其中t代表时间,f代表频率

傅立叶变换的定义

一维连续

        f(x)为连续可积函数,其傅立叶变换定义为:

\\F(u)=\int_{-\infty}^{+\infty}f(x)e^{-j2\pi ux}dx

其反变换为:\\f(x)=\int_{-\infty}^{+\infty}F(u)e^{j2\pi ux}du

通常f(x)的傅立叶变换为复数,可有通用表示式为:F(u)=R(u)+jI(u)R(u)I(u)分别称为傅立叶变换F(u)的实部和虚部。

        可进一步写为指数形式:\\F(u)=|F(u)|e^{j\phi(u)}

其中:|F(u)|=\sqrt{R^2(u)+I^2(u)}称之为f(x)的幅度谱、振幅谱或傅立叶谱;\phi(u)=\arctan[I(u)/R(u)]称之为f(x)的相位谱、相位角。

图2.1 将一个信号的波形分解为许多不同频率正弦波之和
图2.2 方波信号的分解
图2.3 方波信号的时、频域描述
图2.4 一维傅立叶变换示例
图2.5 矩形函数的傅立叶变换
图2.6 sin(x)/x类函数的傅立叶变换
图2.7 常数函数的傅立叶变换
图2.8 脉冲函数的傅立叶变换
图2.9 余弦函数的傅立叶变换(图中打错字了)
图2.10 几种特殊函数的傅立叶变换

一维离散

        一维离散傅立叶变换公式为:

\\
F(u)=\frac{1}{N}\sum_{x=0}^{N-1}f(x)e^{-j\frac{2\pi ux}{N}}\quad u=0,1,\cdots,N-1

逆变换为:\\f(x)=\sum_{u=0}^{N-1}F(u)e^{j\frac{2\pi ux}{N}}\quad x=0,1,\cdots,N-1

逆变换的另一种表达形式:\\f(x)=\frac{1}{N}\left[\sum_{n=0}^{N-1}F^*(u)e^{-j2\pi ux/N}\right]^*

二维连续

        二维傅立叶变换由一维傅立叶变换推广而来:

\\F(u,v)=\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}f(x,y)\exp[-j2\pi (ux+vy)]dxdy

逆变换:\\f(x,y)=\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}F(x,y)\exp[j2\pi (ux+vy)]dudv

\\F(u,v)=R(u,v)+jI(u,v)

幅度谱:\\|F(u,v)|=\sqrt{R^2(u,v)+I^2(u,v)}

相位谱:\\
\phi(u,v)=\arctan\left[\frac{I(u,v)}{R(u,v)}\right]

图2.11 傅立叶变换图例

二维离散

        对于二维傅立叶变换,其离散形式为:

\\F(u,v)=\frac{1}{MN}\sum_{x=0}^{M-1}\sum_{y=0}^{N-1}f(x,y)e^{\left[-j2\pi\left(\frac{ux}{M}+\frac{vy}{N}\right)\right]}

逆变换为:\\f(x,y)=\sum_{u=0}^{M-1}\sum_{v=0}^{N-1}F(u,v)e^{\left[j2\pi\left(\frac{ux}{M}+\frac{vy}{N}\right)\right]}

幅频谱、相位谱:

\\\begin{array}{1}&F(u,v)=|F(u,v)|e^{j\varphi (u,v)}=R(u,v)+jI(u,v) \\&|F(u,v)|=\sqrt{[R^2(u,v)+I^2(u,v)]} \\&\varphi(u,v)=\arctan\frac{I(u,v)}{R(u,v)}\end{array}

二维离散傅立叶变换的性质

        1)线性性质(加法定理):\\a_1f_1(x,y)+a_2f_2(x,y)\Leftrightarrow a_1F_1(u,v)+a_2F_2(u,v)

图2.12 加法性质示例

        2)比例性质(相似性定理):\\f(ax,by)\Leftrightarrow\frac{1}{|ab|}F\left(\frac{u}{a},\frac{v}{b}\right)

图2.13 比例性质示例

比例性质表明:信号在时域中压缩(k>1,变化速度加快)等效于在频域扩展(频带加宽);反之亦然。

        3)可分离性:\\\begin{array}{1}&F(u,v)=F_x\{F_y[f(x,y)]\}=F_y\{F_x[f(x,y)]\} \\&f(x,y)=F_u^{-1}\{F_v^{-1}[F(u,v)]\}=F_v^{-1}\{F_u^{-1}[F(u,v)]\}\end{array}

图2.14 可分离性示例

二维DFT可分离为两次一维DFT。

        4)空间位移(位移定理):\\f(x-x_0,y-y_0)\Leftrightarrow F(u,v)e^{-j2\pi (ux_0+vy_0)/N}

图2.15 空间位移示例

空间位移特性表明:信号在时域中沿时间轴平移一个常数时,等效于频谱函数的相位谱改变,而幅度谱不变。

        5)频率位移:\\f(x,y)e^{j2\pi (u_0x+v_0y)/N}\Leftrightarrow F(u-u_0,v-v_0)

函数的频率位移相当于傅立叶变换的坐标原点平移,而幅度谱和相位谱不变。

        6)周期性:\\F(u,v)=F(u+aN,v+bN),\quad f(x,y)=f(x+aN,y+bN)

图2.16 二维离散DFT的周期性扩展

离散傅立叶变换DFT和它的逆变换是以N为周期的函数。

        7)共轭对称性:若f(x,y)为实函数,F(u,v)为其傅立叶变换,则\\F(u,v)\Leftrightarrow F^*(-u,-v)

图像的傅立叶变换结果是以原点为中心的共轭对称函数。

        8)旋转不变性:\\f(r,\theta+\theta_0)\Leftrightarrow F(\rho ,\varphi+\theta_0)

图2.17 旋转特性示例

旋转特性描述:如果f(x,y)旋转了一个角度α,那么f(x,y)旋转后图像的傅立叶变换也旋转了相同的角度α。

结论:对图像的旋转变换和傅立叶变换的顺序是可交换的。

        9)平均值:\\F(0,0)=\frac{1}{N^2}\sum_{x=0}^{N-1}\sum_{y=0}^{N-1}f(x,y)=\bar{f}(x,y)

离散函数的均值等于该函数傅立叶变换在(0,0)点的值。

        10)卷积定理:空域中的卷积等价于频域中的相乘。\\f(x,y)*h(x,y)\Leftrightarrow F(u,v)H(u,v)\\f(x,y)h(x,y)\Leftrightarrow F(u,v)*H(u,v)

        11)相关定理:空域中f(x,y)与g(x,y)的相关等价于频域中F(u,v)的共轭与G(u,v)相乘。

互相关:

\\f(x,y)\bullet g(x,y)\Leftrightarrow F(u,v)G^*(u,v)\\f(x,y)g^*(x,y)\Leftrightarrow F(u,v)\bullet G(u,v)

自相关:

\\f(x,y)\bullet f(x,y)\Leftrightarrow |F(u,v)|^2\\|f(x,y)|^2\Leftrightarrow F(u,v)\bullet F(u,v)

        12)拉普拉斯函数:\\\nabla^2f(x,y)=\partial^2f/\partial x^2+\partial^2f/\partial y^2

其傅立叶变换为:\\F\{ \nabla^2f(x,y) \}=-4\pi ^2(u^2+v^2)F(u,v)

这个定理将在图像的边界提取中用到。

二维离散傅立叶变换的显示与计算

离散傅立叶变换的显示

        按照标准的傅立叶变换公式,其幅度谱的强度分布具有下列特性:

图3.1 幅度谱强度分布

        在光学傅立叶变换中,人们已习惯于变化领域中的低谱部分位于中央。使频域的频谱分布中间低、周围高,有利于对频谱的解释和进行各种计算与分析。

图3.2 低谱部分位于中央的频谱示例

为了达到上述要求——图像中心化,借助于傅立叶变换的周期性与频率位移性质,对频域进行换位:

        使频域的中心位移u_0=v_0=N/2\\f(x,y)(-1)^{x+y}\Leftrightarrow F(u-\frac N2,v-\frac N2)

        相当于对原始图像f(x,y)乘以(-1)^{m+n},再进行傅立叶变换:\\F^{’}(u,v)=F\{f(x,y)(-1)^{x+y}\}

        对应于F^{’}(u,v)的反变换不等于f(x,y):\\f(x,y)=F^{-1}\{F^{’}(u,v)\}\times (-1)^{x+y}

图3.3 图像中心化示例

        二维傅立叶变换域分布特性:

图3.4 二维傅立叶变换域分布特性

离散傅立叶变换的幅度与相位

        图像信号的傅立叶变换包含幅度与相位两部分;幅度谱具有较明显的信号结构特征和易于解释;实验证明,幅度本身只包含有图像本身含有的周期结构,并不表示其在何处;相位谱类似随机图案,一般难以进行解释;物体在空间的移动,相当于频域的相位移动,相位谱具有同样重要的意义。

        单凭幅度或相位信息,均不足以恢复原图像。 

离散傅立叶变换的计算

图3.5 离散傅立叶变换示例-1
图3.6 离散傅立叶变换示例-2

快速傅立叶变换(FFT)原理

基本思想

        快速傅立叶变换的基本思想就是分解-征服,即将大的问题分解成诸多小问题,再一一解决这些小问题,从而最终解决大问题。

图3.7 快速傅立叶变换基本思想示意

        1)将变换公式分解为奇数项和偶数项之和。令:\\W_N^{ux}=\exp\left(-j\frac{2\pi ux}{N}\right)

DFT可表为:\\
F(u)=\frac1N\sum_{x=0}^{N-1}f(x)e^{-j\frac{2\pi ux}{N}}=\frac1N\sum_{x=0}^{N-1}f(x)W_N^{ux}\quad u=0,1,\cdots,N-1

令:N=2M

\\F(u)=\frac{1}{2M}\sum_{x=0}^{2M-1}f(x)W_{2M}^{ux}=\frac12\left[\frac1M\sum_{x=0}^{M-1}f(2x)W_{2M}^{u(2x)}+\sum_{x=0}^{M-1}f(2x+1)W_{2M}^{u(2x+1)}\right]

由于:\\W_{2M}^{2ux}=W_M^{ux}\quad(=\exp[-j\pi ux/M])

可得到:\\
\begin{array}{1}F(u)&=\frac12\left[\frac1M\sum_{x=0}^{M-1}f(2x)W_M^{ux}+\sum_{x=0}^{M-1}f(2x+1)W_M^{ux}W_{2M}^u\right]\\&=\frac12[F_{even}(u)+F_{odd}(u)W_{2M}^u]\quad u=0,1,2,\cdots,M-1\end{array}

进一步分析:\\W_M^{u+M}=W_M^u\ \& \ W_{2M}^{u+M}=-W_{2M}^u

还可以得到:\\F(u+M)=\frac12[F_{even}(u)-F_{odd}(u)W_{2M}^u]\quad u=0,1,2,\cdots,M-1

逆向FFT算法

        算法思想:用正向变换计算逆向变换。

        设F(u)={\rm FFT}[f(x)],可有:\\f(x)={\rm FFT}^{-1}[F(u)]=N\cdot\{{\rm FFT[F^*(u)]}\}^*

即:对F(u)取共轭,利用正向FFT进行变换计算,其结果取共轭后再乘以N,即可得到f(x)。

二维快速傅立叶变换

        利用傅立叶变换的分离性质,对二维FFT进行2次的一维FFT变换:\\F(u,v)=FFT_行\{FFT_列[f(x,y)]\}

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,681评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,710评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,623评论 0 334
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,202评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,232评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,368评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,795评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,461评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,647评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,476评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,525评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,226评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,785评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,857评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,090评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,647评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,215评论 2 341

推荐阅读更多精彩内容