数字图像处理中的傅立叶变换

 

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