详解DFT与DCT的联系与差别

⒈顆糖果!

已于 2022-03-31 17:03:33 修改

阅读量9.6k

点赞数 13

文章标签：图像处理 matlab

于 2022-03-31 17:03:18 首次发布

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/Tangguoseo/article/details/123865825

版权

本文深入探讨了一维和二维离散傅立叶变换（DFT）的原理，包括DFT的Matlab实现，以及1D-DFT和2D-DFT的频谱特点，强调了中心化思想在频谱分析中的重要性。此外，还介绍了离散余弦变换（DCT）的优势，特别是其在图像处理中的能量压缩特性，并展示了如何通过DCT对图像进行处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录

一、DFT原理及其Matlab实现

（一）1D-DFT

（二）2D-DFT

（三）1D-DFT和2D-DFT的频谱特点以及中心化思想

1. 1D-DFT的频谱特点

2. 2D-DFT的频谱特点

3. 在matlab中计算并可视化二维DFT

二、DCT变换

三、DCT的优点

一、DFT原理及其Matlab实现

（一）1D-DFT

先来看看1D-DFT，假如我们有长度为N的信号 $x(n)$ ，对其做DFT，得到

$X(k)=\sum_{n=0}^{N-1}x[n]e^{-j2\pi \frac{nk}{N}}=\sum_{n=0}^{N-1}x[n]\left ( cos(\frac{2\pi kn}{N})-jsin(\frac{2\pi kn}{N}) \right )$

将DFT的实部和虚部拆出来：

$Re(X(k))=\sum_{n=0}^{N-1}x[n]cos(\frac{2\pi kn}{N})$

$Im(X(k))=\sum_{n=0}^{N-1}x[n]sin(\frac{2\pi kn}{N})$

当 $x(n)$ 是实函数时，DFT的实部是偶函数，虚部是奇函数。

当 $x(n)$ 是实偶函数时，DFT的虚部就变成0了，结合图1进行理解。

图1

所以，当时域信号是实偶信号时，我们就可以把DFT写成：

$X(k)=\sum_{n=0}^{N-1}x[n]e^{-j2\pi \frac{nk}{N}}=\sum_{n=0}^{N-1}x[n]cos(\frac{2\pi kn}{N})$ </

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

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。