图像傅里叶变换

1.     图像的傅里叶变换

傅里叶变换可以看成是时域和频域的转换。

一维图像傅里叶变换公式（空间域->频域）：

一维傅里叶变换逆变换公式（频域->空间域）：

M×N图像的二维离散傅里叶变换：

M×N图像的傅里叶变换：

2.     时域和频域的转换

我们已知，任意的周期函数都可以用sinx和cosx表示。

数学上的傅里叶公式为

首先理解欧拉公式

（1）     复平面上的单位圆（用三角函数表示）

如图所示，以此类推：半径为a的圆可以表示为

（2）     复平面上乘法的几何意义：

我们可以理解为角度增加π/6 ，长度就在原来的长度下

（3）   欧拉公式为：对于θ∈R， 

证：由泰勒公式：

将x=iθ代入 可得到

因此结合（1）我们可以把看作是单位圆的圆周运动。

由于公式：

 

可知n->无穷时，1/n->0，结合（2）可知， 为在单位圆上转动1弧度，为在单位圆上转动弧度。

（4）     由欧拉公式可以得到

当θ时时间变量t时， ，（2π秒转一周时，T=2π）得到

因此时域到频域转换为下图

代数上 Im表示虚部，sint=Im()

           Re表示实部，cost=Re()

3.     理解傅里叶变换的频率、相位、幅度

由=> F(w)=R(w)+iI(w)

F(w)=Asin(wx+φ)有三个自由度A、w、φ

频谱、幅度：

能量谱：

相位谱：

傅里叶变换可看成是多个正交基表示的函数,1/k表示在频率为k时的信号强度。

（ps：没学过MATLAB，只能用手画图充数了==）

上图右下角为表示一个0/1信号时，所有的正弦信号的频率图。

4．  图像傅里叶频谱图（傅里叶变换即将信号分成不同频率部分）

傅里叶频谱图中主要考虑的是每个正弦信号的幅度（magnitude）。

（1）一个正弦信号的图谱：

傅里叶变换与傅里叶级数的互相转化：

离散的傅里叶变换

注：空间频率是指单位长度内亮度作周期性变化的次数

时域k为对时间频率，在图像中是对整个图像的变换(k represents cycles per image)，因此为k/N。 K的范围为（-N/2,N/2），理解为对于有N 个像素的图像，正弦信号的摆动是从白->黑->白，2个像素为一个周期，所以频率为N/2

（2）二维图像的傅里叶变换

这里我们首先了解高频和低频的意思。

高频：指灰度图像变化较大的地方，一般指边缘，代表了图像的细节和纹理。

低频：灰度变化慢，边缘以内或意外的部分，表示轮廓。

应用：锐化图片：能量图后者比前者前者更亮（低频部分频率更低，则突出高频部分，即锐化）。可以通过两倍原来的图像并减去加上了一点模糊的原图像。

分析：傅里叶频谱图上的点指该点与邻域点差异的强弱，即梯度大小，或该点频率大小，梯度大，该点亮度强，否则亮度弱。

若暗的点数更多，说明图像较柔和，否则图像比较尖锐。

（3）FT频谱图分析：

特征：①当曲线域面积增倍，频率图高度增强

          ②函数长度增倍，相同间隔下，频率图中零点数量加倍。

因此可以得到空间域，频率域

一维：       二维：

特性：傅里叶变换具有对称性

①   频率图像经常以图像中心坐标为原点，左上-右下，右上-左下对称

②   图像中心为原始图像平均亮度，频率为0，从图像中心向外，频率增高，高亮度表明频率特征明显

③   频率域图像中心明显的频率变化方向与原图像中地物方向垂直。

5．  应用：

①   图像增强与去噪

噪音是高频分量，通过低通滤波器来滤除高频

边缘是高频分量，增加高频分量增强图像边缘

②   图像分割之边缘检测（提高高频分量）

③   特征提取

形状特征：傅里叶描述

纹理特征：通过傅里叶计算纹理特征

其他特征：将提取的特征值进行傅里叶变换，具有平移，伸缩，旋转不变性。

④     高斯函数的傅里叶变换是它本身（高斯函数在时域和频域分布一样）推理下次补上。

参考：https://www.zhihu.com/question/19714540