利用傅里叶变换公式理解camera raw中的纹理和清晰度的概念（可惜的是camera raw的计算公式应该不会是这个傅里叶变换，只能说类似于这里的效果）

知乎说：在Adobe官方的解释中，就像图片可以分解成彩色通道（如：红绿蓝通道），同样的，图片也可以分解成不同的频率，一张图片可以是由高频，中频和低频组成，例如，锐化的原理就是图片的一种高频控制，而纹理，则是对图片的中频控制。

这句话是真的吗？

锐化我是知道的，图像边缘是空间域中最接近的部分的灰度级的突变，原因之前解释过了，相邻像素点的位置(x,y)改变的时候，把(x,y)用二进制看，那么x和y的高位部分不变，取逆之后是控制频率位置(u,v)的低位不分不变，即是控制在频率值累加的过程中，低频函数值的正负号不变，而高频函数值的正负号改变。

现在这里说纹理提升的意思是中频部分的函数值增大了，如何理解？

首先还是需要把空间域的位置(x,y)二进制的位数分成三个区域，低位区域，中间位区域，高位区域。空间域的高位对应频率域的低位，对应的是清晰度。当把清晰度提高的时候，也就是增大了频率域低位的值ai，而在我的公式中(这只是一维公式，只是做直观的理解)，

fj=*，ai只是向量的模，肯定是有影响，但是影响多大呢？而且问题是对于灰度级fj的值是增大还是减少呢？其实不清楚。不管这些，可以知道的是在空间域中，影响的值是空间域的高位的像素值，可能变大也可能变小。如果把图像按照中心点分成四个部分，那岂不是只影响第四部分的值了？这感觉不均匀，理解不像是正确的。

如果只是改变二进制位的最高位一个值，确实是这样的。但是如果改变的是高位的区域呢？四部分的划分方式是最高位和低位的划分，但是其实还有次高位的划分，在第一部分中其实还是有次高位的，所以，如果把清晰度的调整理解为是高位区域有多个位数的话，那么提高清晰度的操作，对图像的区域影响是比较均匀的。

现在把图像中的高位区域理解为图像按照大块的方式的分割区域，毕竟二进制区域本来就是一种分割方式，所以清晰度调整的是大块相间的间隔区域中的灰度级，效果可能是同时改变高位区域中的某一位的符号。但是这些分析暂且还没有用。

我之前写过的计算方式:

计算输入的ai在复平面的转动角度，即是。假设N恰好是2次方幂，设长度为m=。假设下标i的二进制数为x1x2....xm。

,当xj=1，是累加进去的，xj=0就没有加。

不管i的二进制位的某个数值是不是0，可以知道的是相位角的大小的影响方式是从频率位置i的低位到高位，低位影响大，高位影响小，所以，空间域的高位区域，对应频率域的低频区域的时候，可以知道的是频率域的低位区域的ai改变，对像相应的空间域的像素值的影响最明显，因为低频区域对相位角旋转方向影响最大。

总结理解清晰度。

所以调整清晰度为负值，这些区域很容易变平缓，而且是最大块的间隔模糊方式。调整清晰度为正值，这些区域很容易增大或减少灰度值，且由于是同时改变符号，其实不改变符号，我写错了，我的本意是同一块内的这些ai的值同时变大或者变小，那就是最大块的间隔区域趋于变暗或者变亮，次大块的间隔区域区域变亮或者变暗(变化趋势和最大块的相反)，再次大块的间隔区域区域变暗或者变亮(变化趋势和次大块的相反)，所以如果次大块在最大块之内，那么会部分抵消，但是相位角由频率域低位控制，对应空间域高位，所以总体上是最大块的影响程度高（这种总体上我只能说是大致上，实际上不一定，fj要为实数，ai必须是复数，所以具体计算还跟前n个大块的ai有关，也跟符号有关，我只能说一般的情况是由于符号在交变的，所以总体上利于最大块，不利于次大块），前提是这些ai的变化的值是一样的。

同理理解锐化。

所以调整锐化变为负值，最小块的间隔区域最难变平缓，而且是最小块的间隔模糊方式，调整锐化为正值，这些区域最难增大或减少灰度值，且由于是同时改变符号，那就是最小块的间隔区域同时变暗或者变亮。

同理理解纹理。

所以调整纹理变为负值，中等大小块的间隔区域比较容易平缓，而且是最小块的间隔模糊方式，调整纹理为正值，这些区域比较容易增大或减少灰度值，且由于是同时改变符号，那就是中等大小块的间隔区域同时变暗或者变亮。

（注意，这里的图像的二进制位置不是比特位，比特位是图像的灰度级，二进制位置是图像的大小，一个宽度为1024像素的图像有10位，平均低中高位区域为平均至少3个位置吧，在图像中这样的低位区域大约有1024/2+1024/4+1024/8个（没有考虑重合部分），中位区域大约为1024/16+1024/32+1024/64+1024/128个，高位区域大约有1024/256+1024/512+1024/1024个，比较均匀分布，我这里还没考虑图像的高度，但是道理是一样的，考虑了图像高度数量会更大。就模糊效果而言，模糊跟位置数量有关，低位区域的模糊效果是最好的，因为位置最多。）

这里面，我需要说明一下，我为什么要重视旋转角度大的二进制位，而忽视旋转角度小的二进制位呢？其实没道理，因为按照向量的加法，影响方向的主要因素是向量的方向和模。但是问题是这里的方向旋转角度是等比数列，而且符号是交替的，这意味着i的比特位越高，那么旋转的角度偏移越小，并且方向一直在交替，所以这个特征就有了区别，频率域位置的二进制位从小到大排列是旋转角度从小到大排列的，具体也可以计算向量加法的模和方向，我这里就不算了。总之就是旋转角度大的二进制位的ai改变的对fj影响大于旋转角度小的二进制位的ai的改变对fj的数值影响。

总感觉不对劲，这种不安让我在第三天觉得要继续完善这个内容。

我仔细想了想，还是没写明白过程，重新写一遍。

用数值来分析过程吧。

假设为空间域的宽度为10位，只分析高位的部分，我取最高的三位为高位区域，而且我这里是一维图像的情况，所以就是j的二进制的值了。

即是一个100 000 000 0至111 111 111 111 1最大块和

2个次大块x 100 000 000至x 111 111 111（x取值0或者1），

4个最小块x y10 000 000至x y11 111 111(x，y取值0或者1)。

假设所有的ai的数值都是一样的，我这样做是为了理解总体上的情况。实际上最大区也可以选择0开头的，我之前说了是间隔区域，我这里是选了1开头，之前说图像为4个部分的最后一个部分，也是选1开头的，但是我之前也说了这不均匀，说明了我当时分块的时候有意无意地把这些混淆在一起了。

空间域逆序，与i相与，突然发现这样选取的空间域区域不好，因为j的高位为1, 符号受到j的低位控制，不管这个，继续分析算了，但是i的低位在低位区域中是不断变化的，意味着i的最低位是按照000 001 010 011 100 101 110 111的从低位的时候，分别对应0,1,0,1,0,1,0,1。次低位对应为0,0,1,1,0,0,1,1，i的最高位对应为0,0,0,0,,1,1,1,1。说实话，这样理解太难了，换一种方式如下的区域：

即是一个000 000 000 0至011 111 111 111 1最大块和

2个次大块x 000 000 000至x 011 111 111（x取值0或者1），

4个最小块x y00 000 000至x y01 111 111(x，y取值0或者1)。

j的最大块屏蔽了i的最低位，次大块屏蔽了i的次低位。如果不屏蔽i的最低位，在其他位置都确定的时候，那么随着i增大，ai的符号是交替出现的，如果间隔一个加负号就可以还原为没有屏蔽的符号。当j的次大块在最大块里面的时候，就屏蔽了i的低2位。如果不屏蔽i的最低位，在其他位置都确定的时候，那么随着i增大，根据00, 01,10,11,统计1的个数ai的符号是正，负，负，正，屏蔽之后要恢复就是按照上面变号。同理，屏蔽三位的时候，根据000,001,010,011,100,101,110,111统计1的个数ai的符号要恢复非屏蔽的状态需要按顺序执行正，负，负，正，负，正，正，负的过程。

但是所谓的屏蔽，其实是从高位的区域的fj值复制到了低位的区域，然后按照这个规律改变符号而已，例如100 000 000 0至111 111 111 111 1最大块和000 000 000 0至011 111 111 111 1最大块的像素的关系是，他们之间的像素公式从高位100 000 000 0至111 111 111 111 1复制到了低位000 000 000 0至011 111 111 111 1，再每隔一个ai改变了符号。真的很奇怪，因为一幅图像数值是随机的，但是傅里叶变换居然把图像分割成两个部分之后居然给出了联系。

根据规律，从第1个像素ai符号全为正。(这里图像序列从第1位开始，频率序列也是从第1位开始)

第2个像素的符号是ai的i的第M位为1的都取负，否则取零。

第3个像素的ai符号是ai的i的第M-1位为1的都取负，否则取零。如果看做是从第1个像素的复制，那就是把i逆序排列之后，每隔2个频率取负，其他的情况取正。

所以总结的规律是

像素公式的变化规律是按照2次幂增加的时候。

假设已知2^(n-1)次幂，n>=1的个位置像素值公式，求2^(n)次幂个位置的像素值公式。

前半部分已经已知了，只需要求后半部分。把前2^(n-1)次幂，n>=1, 的像素值按顺序复制到高位区域，然后考虑符号的问题。把复制到高位之后的每个fj的每个ai的i的二进制数，取逆序。低位的第j=m个fm，对应高位的第j=m+2^(n-1)个fj，fm中的ai的i取逆序之后，设为k，当二进制数k的第n-1位为1的时候取负，否则取正。（我这里都频率和空间域是从第1位算起，）这样我就能从第一个像素点迭代计算出来所有的点的像素值。

这个分析结果虽然很简洁，但是有什么用呢？对于频率的分析感觉没有用啊。

感觉没什么意义，先不管了。我只能想到fj是关于i的函数，求最大变化率，就是求极值点，应该是

fj对i求导=0。

导数不精确，这里还是对i进行仔细的分析，根据上面的说法，既然是从第0个像素点公式复制到所有的像素点，所以我研究f0即可。

, , 。

还是上面的假设，图像宽度为1024，那么，N=1024, M=10, 因为频率域的频率个数等于空间域的像素点个数。

还是从1算起，

a1的x=0, 所以，

a2的x=1,从低位算起，第1位为1, 所以,

a3的x=10，从低位算起，第2位为1, 所以,

a4的x=11, 所以

。。。。

ax的x最高位为1，其余为0的时候，。

确实有高频对应大相位角。但是这不意味着低空间都是大相位角。以三比特位图像序列为例，空间域j为101，反过来也是101，频率i取最贴切的101也是大相位角。

取f0研究意义不大。重新开始，更有可能的是，高频对应的是空间域的高变化有大的相位角。假设所有的ai都是一样的，那么这个公式

fj=*。会抵消所有与j的逆序不一致的i，只留下与j的逆序一致的i, 如果只是统计1的个数，那么只需要统计j中1的个数即可。既然i的逆序是j，

那么就是fj=，a为ai取同一个值。。这个相位角应该视为主相位角，当ai不同的时候，根据这个相位角，对于每个ai取差值重新计算。ai可以先求平均值a计算出主相位角。

这样感觉稍微有意义，空间的任何位置，只要低位有值，都是大相位角，如果偏移的影响非常小的话。但是这个公式我看不出来大相位角对fj的数值起明显作用，我之前想要的是这个结论。只能把结论改了，即是ai的i越接近j的逆序的时候，修改ai对fj的影响越大。那么跟大相位角无关，而是跟j有关，j的逆序是大相位角的话，那么确实跟大相位角有关，j的逆序是小相位角，那么就是跟小相位角有关。那么我前面叙述的内容要改一下。

所以如果修改的是中频区域的ai的值，那些像素点受到影响呢？首先可以明白的是,所有的像素点fj都有影响，但是影响严重的是j的逆序近似i的时候。所以当i是处于低频的时候，那么接近i的j的逆序是高空间和低空间的附近，注意是附近而不是全部，附近的概念是任意位置把1换成0或者把0换成1。首先考虑置换一个位置的情形，换具体换那个位置效果最好呢，因为主相位角有偏差，所以我只能得出结论二进制i的p个最低位中置换一个，都有明显效果的，因为这几个位置累加最接近实际相位角。两个向量的夹角越小，相加后的模越大，就是这个道理。

所以i的低位区间被置换逆序之后对应的j处于空间域中的低位和高位都有可能。这意味着即使修改的中频的ai的值，将全的i逆序得到的j在图像的中间区域变化是最明显的，但是其他近似的空间位置，如果把一维图像中间区域按照二倍缩小的金字塔从左对其，其他区域的变化，也是按照这个金字塔变化的，或者变亮或者变暗，程度是按照这个金字塔的方式近似的，至于符号就不是这样复制了。

所以修改纹理为正，那么首先明显影响的是图像中间区域位置，然后是中间位置的低位，扩展到图像的其他位置，扩展方式为最上面的间隔区间。就是把图像中间位置重复贴满整个图像，然后去掉每个复制的高位，低位位置会较次明显有像素变化，可能变亮可能变暗。而把这个低位位置再分成低位和高位，低位部分会有更次的明显变化，也就是说，如果看成是圆心和圆环的关系的话，那么圆环越大，像素变化越不明显，这个圆不是渐变圆，因为是区域的频率改变，如果是一个频率点的ai改变的话，那就是渐变的。不是一个点，反映在图像上是分阶段变化的，总之就是图像远离中心变化不明显。而且这种变化再圆环上连续的，但是确实明暗不同的，只是相邻位置的程度相同，这种连续性是相邻位置的变化的绝对值相等。

感觉又写废了。

我只是总结出来低频区域确实容易产生像素变化。具体的情形是任意的fj中，存在低频区域中的i, 改变ai的值对fj的影响最大。因为ai不同的缘故，在二维图像中，修改中间频率的ai的值，会产生中心位置不规则的闭合曲线，这个曲线内的fj改变最明显，然后将这个曲线上的点和曲面中心连接起来，中心为图像的中心，得到的线段向外延伸一般长度得到新的闭合曲线，然后就是这个不规则环内的fj的改变强度只是内部去除中心环进行拓扑伸缩在重叠之后的为原来fj的值的稍微小于一半，变化的符号可能取负或者正，这是不清楚的。但是这也是我的一种直观的感受，具体也没有证明过。

修改高频区域，按理说应该在高空间位置形成不规则圆环效果的，但是实际上是锐化和模糊效果。难道是圆的半径太大的缘故，只在中心附近极小范围内不在圆环中，图像的中心极小附近会形成向中心靠近的不规则的环带，效果逐渐减弱？

那么修改低频也是如此，形成环带。

但是这感觉不合理。锐化和模糊效果在环内，毕竟每个环都是计算改变量的绝对值，而ai的改变量重新看作是新的频率域，环内看做是新的空间域，这样又有低频和高频之分，只有高频为不为0才决定了空间域是不是突变还是平缓，但是影响很小。至于低频我觉得无法使用，我这个计算公式发现低频和中频都用不上。低频只对相位起决定作用，并且容易产生空间的大块区域的颜色的对比度。

好吧，总结一下吧。我之前的公式能解决低频和高频的解释。我现在做了两件事情，亲自确认了低频对大块空间区域的明显影响，然后是改变任何频率居然会形成环带，因为环上的灰度级不是一致的变化，而是绝对值一致的，所以不容易看不出来。但是改变中频的时候，这个环带应该是比较明显的，应该存在。（这是我的结论，我认为错了，因为我自己不明白。）