二维Fourier变换的应用
前面已经提到了Fourier变换有两个好处,即:可以获得信号的频域特性;可以将卷积运算转换为乘积运算。
因此二维Fourier变换的应用也是根据这两个特点来进行的。
在图像滤波中的应用
首先,我们来看Fourier变换后的图像,中间部分为低频部分,越靠外边频率越高。因此,我们可以在Fourier变换图中,选择所需要的高频或是低频滤波。
在图像压缩中的应用
变换系数刚好表现的是各个频率点上的幅值。在小波变换没有提出时,用来进行压缩编码。
考虑到高频反映细节、低频反映景物概貌的特性。往往认为可将高频系数置为0,骗过人眼。
在卷积运算中的应用
从前面的图像处理算法中知道,如果抽象来看,其实都可以认为是图像信息经过了滤波器的滤波(如:平滑滤波、锐化滤波等 )。
如果滤波器的结构比较复杂时,直接进行时域中的卷积运算是不可思议的。
Fourier 变换可以卷积运算转换为点乘运算,由此简化运算,提高计算速度。
图像的傅立叶变换,原始图像由N行N列构成,N必须是基2的,把这个N*N个包含图像的点称为实部,另外还需要N*N个点称为虚部,因为FFT是基于复数的,如下图所示:
计算图像傅立叶变换的过程很简单:首先对每一行做一维FFT,然后对每一列做一维FFT。具体来说,先对第0行的N个点做FFT
计算图像傅立叶变换的过程很简单:首先对每一行做一维FFT,然后对每一列做一维FFT。具体来说,先对第0行的N个点做FFT