傅里叶变换

傅里叶变换

目录

1. 滤波
2. 傅里叶变换简介
3. 傅里叶变换的性质
4. 快速傅里叶变换（FFT）

一：滤波

滤波是将信号中特定波段频率滤除的操作，是抑制和防止干扰的一项重要措施。是根据观察某一随机过程的结果，对另一与之有关的随机过程进行估计的概率理论与方法。
滤波分为经典滤波和现代滤波两种。
经典滤波：
经典滤波的概念，是根据傅里叶分析和变换提出的一个工程概念。根据高等数学理论，任何一个满足一定条件的信号，都可以被看成是由无限个正弦波叠加而成。换句话说，就是工程信号是不同频率的正弦波线性叠加而成的，组成信号的不同频率的正弦波被叫做信号的频率成分或叫做谐波成分。
滤波器：
只允许一定频率范围内的信号成分正常通过，而组织另一部分频率成分通过的电路。叫做经典滤波器或滤波电路。实际上，任何一个电子系统都具有自己的频带宽度（对信号最高频率的限制），频率特性反映了电子系统的这个基本特点。而滤波器，则是根据电路参数对电路频带宽度的影响而设计出来的工程应用电路。
现代滤波
用模拟电子电路对模拟信号进行滤波，其基本原理就是利用电路的频率特性实现对信号中频率成分的选择。根据频率滤波时，是把信号看成是由不同频率正弦波叠加而成的模拟信号，通过选择不同的频率成分来实现信号滤波。
1、当允许信号中较高频率的成分通过滤波器时，这种滤波器叫做高通滤波器。
2、当允许信号中较低频率的成分通过滤波器时，这种滤波器叫做低通滤波器。
3、设低频段的截止频率为fp1,高频段的截止频率为fp2:
1)频率在fp1与fp2之间的信号能通过其它频率的信号被衰减的滤波器叫做带通滤波器。
2)反之，频率在fp1到fp2的范围之间的被衰减，之外能通过的滤波器叫做带阻滤波器。
理想滤波器的行为特性通常用幅度-频率特性图描述，也叫做滤波器电路的幅频特性。

二：傅里叶变换

傅里叶变换是一种积分变换，就是一种从时间到频率的变化。傅里叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。可以说，傅里叶变化将原来难以处理的时域信号转化成了易于分析的频率信号（信号的频谱）。
图像的频率是表征（知识在个体心理的反映和存在方式）图像中灰度变化剧烈的程度的指标，是灰度在平面空间上的梯度。图像中是一片灰度变化很缓慢的区域，对应的频率值很低，反之亦然。
从纯粹的数学意义上看，傅里叶变换是将一个函数转化为一系列周期函数来处理。从物理效果看，傅里叶变化是将图像从空间域转换到频率域，其逆变换是将图像从频率转换到空间域。换句话说，傅里叶变换的物理意义是将图像的灰度分布函数转变为图像的频率分布函数，傅里叶逆变化是将图像的频率分布函数变换为灰度分布函数。

三：傅里叶变换的性质

**平移性质**
![在这里插入图片描述](https://img-blog.csdnimg.cn/20190320202743647.png)

公式（1）表明将f(x,y)与一个指数项相乘就相当于把其变换后的频域中心移动到新的位置
公式（2）表明将F(u,v)与一个指数项相乘就相当于把其变换后的空域中心移动到新的位置
公式（2）表明对f(x,y)的平移不影响其傅里叶变换的幅值
分配率

上述公式表明：傅里叶变换对加法满足分配律，但对乘法则不满足
尺度变换（缩放）
给定两个标量a和b，以下公式成立：

旋转性
引入极坐标x=rcosθ,y=rsinθ,u=ωcosφ,v=ωsinφ
将f(x,y)和F(u,v) 转换为?(?,?)和?(?,?)。将他们带入傅立叶变换对得到：

f(x,y)旋转角度θ_0，F(u,v)也将旋转相同角度
F(u,v)旋转角度θ_0，f(x,y)也将旋转相同角度

周期性和共轭对称性

尽管F(u,v)对无穷多个u和v的值重复出现，但只需根据在任一个周期里的N个值就可以从F(u,v)得到f(x,y)
只需一个周期里的变换就可将F(u,v)在频域里完全确定
同样的结论对f(x,y)在空域也成立
当两个复数实部相等，虚部互为相反数时，这两个复数叫做互为共轭复数。
如果f(x,y)是实函数，则它的傅里叶变换具有共轭对称性

其中，F(u,v)为F(u,v)的复共轭。
对于一维变换F(u)，周期性是指F(u)的周期长度为M，对称性是指图谱关于原点对称。

分离性——二维傅里叶变换的全过程

• 先通过沿输入图像的每一列进行一维变换
• 在沿中间结果的每一列计算一维变换
• 可以改变上面顺序，即先列后行
  上述相似的过程也可以计算二维傅里叶反变换

平均值
由二维傅里叶变换的定义

上式说明：如果f（x，y）是一幅图像，在原点的傅里叶变换即等于图像的平均灰度级。

卷积理论
大小为MxN的两个函数f(x,y)和h(x,y)的离散卷积

所以卷积定理

相关性理论
大小为MxN的两个函数f(x,y)和h(x,y)的相关性定义为

f表示f的复共轭。对于实函数， f＝f相关定理

自相关理论
*复数和它的共轭的乘积是复数模的平方

卷积和相关性理论总结
卷积是空间域过滤和频率域过滤之间的纽带
相关的重要应用在于匹配：确定是否有感兴趣的物体区域
f(x,y)是原始图像
h(x,y)作为感兴趣的物体或区域（模板）
如果匹配，两个函数的相关值会在 h找到f中相应点的位置上 达到最大

四：快速傅里叶变换（FFT）

只考虑一维的情况，根据傅里叶变换的分离性可知，二维傅里叶变换可由连续两次的一维傅里叶变换得到

1. u的M个值中的每一个都需进行M次复数乘法(将f(x)与 相乘)和M-1次加法，即复数乘法和加法的次数都正比于M2
2. 快速傅里叶变换(FFT)则只需要Mlog2M次运算
3. FFT算法与原始变换算法的计算量之比是log2M/M，M=1024≈103,则原始变换算法需要106次计算，而FFT需要104次计算，FFT与原始变换算法之比是1：100

快速傅里叶变换的特性-
1. 一个M个点的变换，能够通过将原始表达式分成两个部分来计算。
2. 通过计算两个（M/2）个点的变换。的Feven(u)和Fodd(u)
3. 奇部与偶部之和得到F（u）的前{M/2}个值
4. 奇部与偶部之差得到F（u）的后（M/2）个值。且不需要额外的变换计算。
归纳快速傅里叶变换的思想
1.通过计算两个单点的DFT，来计算两个点的DFT
2.通过计算两个双点的DFT，来计算四个点的DFT，···，以此类推
3. 对于任何N=2m的DFT的计算，通过计算两个N/2点的DFT，来计算N个点的DFT