【贪玩巴斯】数字图像处理基础课堂笔记（六）——「一维、二维离散傅里叶变化及其方变换，卷积定理，频域滤波的步骤」 2021-11-08

最新推荐文章于 2023-09-06 16:29:58 发布
最新推荐文章于 2023-09-06 16:29:58 发布
阅读量3k 收藏 8
点赞数
分类专栏： 数字图像处理基础 课堂笔记 文章标签： 傅里叶 数字图像处理 昆明理工大学 卷积
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/D16100/article/details/121202623
版权

一维、二维离散傅里叶变化及其方变换，卷积定理，频域滤波的步骤

一维离散傅里叶变换及其反变换

在这里插入图片描述
在这里插入图片描述

傅里叶变换的意义

在这里插入图片描述

二维傅里叶变换 DFT

在这里插入图片描述

图像例子

在这里插入图片描述

二维DFT反变换

  • 增加了一个y
    在这里插入图片描述
  • 任何周期函数都可以表达为不同频率的正弦和或余弦和的形式，即傅里叶级数
    在这里插入图片描述
  • 可由多个不同频域的组成
    在这里插入图片描述

二维DFT的极坐标表示

在这里插入图片描述

二维傅里叶变换的性质

周期性

在这里插入图片描述

平移特性

在这里插入图片描述

平移频谱图

在这里插入图片描述

频率域的基本性质

在这里插入图片描述

频谱和相位

  • 傅里叶变换的极坐标表示
  • 在这里插入图片描述

卷积定理

在这里插入图片描述

频域滤波的步骤

在这里插入图片描述

一些基本的频域滤波器

  • 输入图像 频率高的是对应变换多，快的
    在这里插入图片描述
  • 高通滤波，可以用来做边缘检测
    在这里插入图片描述

频域平滑 低通 滤波器

在这里插入图片描述

  • 理想低通滤波器
    在这里插入图片描述
  • 例子
    在这里插入图片描述
  • 半径越小，保留的高频的越少
  • 半径越大，保留的频率就越全，还原图像就越像
    在这里插入图片描述

频域滤波的折叠误差干扰

在这里插入图片描述
在这里插入图片描述

  • 左边图像放大四倍，放大区域填充0
贪玩巴斯
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
（数字图像处理MATLAB+Python）第四章图像正交变换-第一节：离散傅里叶变换
快乐江湖的博客
04-07 2424
一维离散傅里叶变换（Discrete Fourier Transform，DFT）：是一种数学技术，用于将代表离散时间信号的N个复数序列从时域转换到频域。DFT被广泛用于许多应用，如音频和图像处理、通信和控制系统。DFT是傅里叶变换的离散版本，傅里叶变换是一种用于分析频域信号的连续数学技术。DFT将信号表示为不同频率的复数正弦波之和，每个正弦波都有相关的幅度和相位。这些正弦波的频率是均匀的，由信号的采样率和长度决定。其定义式如下，该方程通过对时域中所有样本的贡献进行加总，计算出频率分量uuu。
数字图像处理学习笔记4第四章 图像变换 附实验
weixin_49374896的博客
06-23 2711
第四章 图像变换 附实验
一维有限长序列的离散傅里叶变换
11-11
一维有限长序列的离散傅里叶变换是周期序列的离散傅里叶级数的主值区间上的幅值
一维离散傅里叶变换
weixin_44678052的博客
11-02 4935
直接上干货 一. 欧拉公式 二. 傅里叶变换 N为采样的总个数，也就是样本的总个数 应用欧拉公式 三. 傅里叶逆变换 公式 四. c++编程实现 #include<iostream> #include<cmath> #include<iomanip> using namespace std; #define PI 3.1415926535 ...
一维离散傅里叶变换，信号分解
热门推荐
小山山的博客
04-03 2万+
 傅里叶变换的应用涵盖了概率与统计、信号处理、量子力学和图像处理等学科。离散傅里叶变换的公式如下：在MATLAB中，可以直接使用函数库fft(X)对一维向量X做傅里叶变换，分析信号的组成。如下例子处理一维离散信号信号分析通过傅里叶变换，可以将实变信号f(t)分解成各个频率分量的线性叠加，进而从频率的角度研究信号的组成。来看这个杂乱无章的曲线图，你是否能看出它的规律？Figure 1 What's ...
傅里叶变换 一维快速傅里叶变换（快速的一维离散傅里叶变换、分治法）
qq_36511401的博客
11-12 1万+
1、一维离散傅里叶变换DFT。DFT:(Discrete Fourier Transform)离散傅里叶变换是傅里叶变换在时域和频域上都呈离散的形式，将信号的时域采样变换为其DTFT的频域采样。在形式上，变换两端（时域和频域上）的序列是有限长的，而实际上这两组序列都应当被认为是离散周期信号的主值序列。即使对有限长的离散信号作DFT，也应当将其看作其周期延拓的变换。根据欧拉公式，其中，i为虚数单位，即。公式：，可看作：。2、一维逆离散傅里叶变换IDFT。
傅里叶变换 一维离散傅里叶变换
qq_36511401的博客
11-07 2万+
DFT:(Discrete Fourier Transform)离散傅里叶变换是傅里叶变换在时域和频域上都呈离散的形式，将信号的时域采样变换为其DTFT的频域采样。在形式上，变换两端（时域和频域上）的序列是有限长的，而实际上这两组序列都应当被认为是离散周期信号的主值序列。会发现原数组和经过离散傅里叶变换DFT及逆离散傅里叶变换IDFT之后的数组是一模一样的，就可以验证出算法和公式是对的。可以先将随机数组的大小设小点，然后将打印日志的代码开起来，这样子才会对流程有更多的了解。2、生成随机的一维数组。
图像二维离散傅里叶变换与性质_数字图像处理 matlab
07-14
数字图像处理课程的基础实验内容， 图像二维离散傅里叶变换与性质
c语言数字图像处理（六）：二维离散傅里叶变换
最新发布
06-11
本篇主要讲解的是使用C语言实现二维离散傅里叶变换（2D Discrete Fourier Transform, DFT），这对于理解和应用图像滤波、频谱分析等具有基础性意义。 二维离散傅里叶变换是将一个二维数组（通常是图像）映射到复数...
c语言数字图像处理（六）：二维离散傅里叶变换dft.rar
06-03
在本资源中，我们关注的是使用C语言进行数字图像处理的一个关键部分——二维离散傅里叶变换（2D Discrete Fourier Transform, DFT）。离散傅里叶变换是信号处理和图像分析中的核心工具，它能将图像的像素值表示从...
二维离散傅立叶变换性质验证等.rar
05-23
二维离散傅立叶变换（2D DFT）是数字信号处理中的一个重要概念，它扩展了一维离散傅立叶变换（DFT）到多维空间，尤其在图像处理和频谱分析中有着广泛的应用。二维DFT可以将一个二维离散信号转换为其频率域表示，从而...
一维快速傅里叶变换FFT的C++实现
03-12
一维快速傅里叶变换FFT的C++实现，里面是FFT1.cpp函数，用于进行一维数组的FFT。有详细的注释和说明。
正交变换 一维傅立叶变换 二维离散余弦变换 沃尔什变换.rar
09-12
总结来说，正交变换是数字信号处理和图像分析中的核心工具，其中包括一维傅立叶变换、二维离散余弦变换和沃尔什变换。通过VS2017这样的编程环境，我们可以方便地实现这些变换，进而应用于实际的工程问题中。了解和...
二维卷积定理的验证（上）
deepsprings的博客
12-01 7534
二维卷积定理的验证（上） 文章目录二维卷积定理的验证（上）0. 写在前面1. 二维卷积定理2. 名词说明2.1 卷积2.2 傅里叶变换与反变换3. 验证实现3.1 使用 ”full“ 卷积3.2 使用“same”卷积4. 结论 0. 写在前面 在进行图像处理时，我们经常会用到卷积计算，但是当卷积核较大时，卷积计算将相当耗时。 事实上，可以通过卷积定理，来使用傅里叶变换手段实现卷积计算。也即是卷积定理。 即本文要探讨和验证的内容。 1. 二维卷积定理 卷积定理是傅里叶变换满足的一个重要性质。函数卷积的傅里叶变
第4章 Python 数字图像处理(DIP) - 频率域滤波8 - 二维DFT和IDFT的一些性质 - 二维离散卷积定理
jasneik的博客
02-24 1269
目录二维DFT和IDFT的一些性质二维离散卷积定理二维离散傅里叶变换性质的小结 二维DFT和IDFT的一些性质 二维离散卷积定理 二维循环卷积表达式： (f⋆h)(x,y)=∑m=0M−1∑n=0N−1f(m,n)h(x−m,y−n)(4.94)(f \star h)(x, y) = \sum_{m=0}^{M-1} \sum_{n=0}^{N-1} f(m,n)h(x-m, y-n) \tag{4.94}(f⋆h)(x,y)=m=0∑M−1​n=0∑N−1​f(m,n)h(x−m,y−n)(4.94) 二
图形图像处理技术【复习笔记】
max_and_caroline的博客
06-23 981
个人复习笔记，如有错误欢迎批评指正。
傅里叶变换
qq_32425195的博客
01-11 6711
一维傅里叶变换： https://zhuanlan.zhihu.com/p/19763358 二维傅里叶变换： 关键：理解频率图像的含义 参考https://zhuanlan.zhihu.com/p/99605178?utm_source=qq https://www.zhihu.com/question/22611929
c语言实现实数到复数的一维离散傅里叶变换DFT及其反变换IDFT
m0_65775477的博客
09-06 983
用c语言实现一维数据的正反离散傅里叶变换(附带全部源码)，用实际案例讲解了傅里叶变换的一些特点，包括从时间域变换到频率域，而且频率域不做切除，保留了频域率数据的对称性，同时做反变换，用残差验证算法正确性。
【转】卷积的进一步理解（二维）
boooiaji的博客
10-13 650
摘转自 [CV] 通俗理解『卷积』——从傅里叶变换到滤波器 二维空间 虽然我们一直在强调『时间信号』，但不知大家注意到没有，其实这里的时间t，完全可以换成其他符号比如x，从而所谓的时间信号f(t)，可以写成f(x)，进而，图像可以看成一个离散的二维函数f(x,y)，x 和 y 决定了图像的像素点，f是像素点在该处的取值。更形象地理解，图像就仿佛是一个『水池』，像素点就是『水分子』，像素点的取值大小，从视觉上看代表图像亮度的强弱，而类比到水池里，就是不同位置水分子的运动幅度，在水池里泛起涟漪。 进而，我们很自
matlab极坐标下的二维傅里叶变换_形象理解二维傅里叶变换
06-01
在极坐标下的二维傅里叶变换可以用来分析具有周期性的极向和径向变化的信号或图像。它可以将一个二维信号或图像分解成一系列的正弦和余弦函数，并且可以通过这些分量来重构原始的信号或图像。 在极坐标下，二维傅里叶变换可以表示为： F(u,v) = ∫∫ f(r,θ) exp(-i(u*r*cos(θ) + v*r*sin(θ))) r dr dθ 其中，f(r,θ)是输入信号或图像在极坐标下的表示，F(u,v)是傅里叶变换后的信号或图像在极坐标下的表示，u和v是频率变量，r和θ分别表示极向和径向变化。 在进行极坐标下的二维傅里叶变换时，可以将图像或信号分解成一系列的极向和径向分量，并将它们分别进行傅里叶变换。这样可以使得每个分量的频率特征更加明显，从而更容易进行分析和处理。 总的来说，极坐标下的二维傅里叶变换可以使我们更好地理解和处理具有周期性极向和径向变化的信号或图像。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

贪玩巴斯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值