傅立叶变换、Gabor变换与小波变换

傅立叶变换

数字图像处理的方法主要分成两种：空域分析法和频域分析法。空域分析法就是对图像矩阵进行处理；频域分析法是通过图像变换将图像从空域变换到频域，从另外一个角度来分析图像的特征并进行处理。频域分析法在图像增强、图像复原、图像编码压缩及特征编码压缩方面有着广泛应用。

如果一个信号 $f(t)$ 在 $(- \infty, + \infty)$ 上满足：

1. $f(t)$ 在任一有限区间上满足狄氏条件；
   在一个函数周期内，间断点的数目是有限的，极大值和极小值的数目是有限的，来保证最终条件：信号 $f(t)$ 绝对可积
2. $f(t)$ 在 $(- \infty, + \infty)$ 上绝对可积即 $\int _{-\infty}^{+\infty} (\vert f(t) \vert ) dt < \infty$

就可以通过傅里叶变换把时域信号 $f(t)$ 转化到频域进行处理，傅立叶变换函数如下：

$F(\omega) = \int _{-\infty}^{+\infty} f(t) e^{-j\omega t}dt = F[f(t)]$

然后再通过傅里叶反变换把频域信号转化到时域，傅立叶逆变换：

$f(t) = \frac{1}{2\pi} \int _{-\infty} ^{+\infty} F(\omega) e^{j\omega t} d\omega = F^{-1} [f(t)]$

傅里叶变换是线性系统分析的有力工具，提供了一种把时域信号转换到频域进行分析的途径，时域和频域之间是一对一的映射关系。图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。

傅立叶变换的不足

经典Fourier变换只能反映信号的整体特性（时域，频域）。对傅里叶谱中的某一频率，无法知道这个频率是在什么时候产生的。从傅里叶变换的定义也可看出，傅里叶变换是信号在整个时域内的积分，因此反映的是信号频率的统计特性，没有局部化分析信号的功能。另外，要求信号满足平稳条件。傅里叶变换时域和频域是完全分割开来的。

由 F(ω)=∫+∞