fft、fftshift相关原理说明

见： https://blog.csdn.net/haoaoweitt/article/details/83012477

可分离性、周期性和共轭对称性、平移性、旋转性质、卷积与相关定理；

（1）可分离性：

   二维离散傅里叶变换DFT可分离性的基本思想是DFT可分离为两次一维DFT。因此可以用通过计算两次一维的FFT来得到二维快速傅里叶FFT算法。根据快速傅里叶变换的计算要求，需要图像的行数、列数均满足2的n次方，如果不满足，在计算FFT之前先要对图像补零以满足2的n次。

   一个M行N列的二维图像f(x,y)，先按行队列变量y做一次长度为N的一维离散傅里叶变换，再将计算结果按列向对变量x做一次长度为M傅里叶变换就可以得到该图像的傅里叶变换结果 

（2）周期性和共轭对称性

由傅里叶变换的基本性质可以知道，离散信号的频谱具有周期性。离散傅里叶变换DFT和它的里变换都以傅里叶变换的点数N为周期的。

对于一维傅里叶变换有：

对于二维傅里叶变换有：

类似有：即从DFT角度来看，反变换得到的图像阵列也是二维循环的。

共轭对称性

对于一维信号有：F(u)=F*(-u),如图所示的一维信号的幅度谱：点数为M的傅里叶变换一个周期为M，关于原点对称。原点即为0频率点，从图中可以看出在0频率的值最大，即信号f(x)的直流分量(均值)，远离原点处的即为高频成份，高频成份的幅值较小，说明信号的大部分能量集中在低频部分。

对于二维信号有：F(u,v)=F*(-u,-v)对于二维图像，其结果如图c所示。左上角(0,0)处为二维图像得0频率点，该点得值对应图像的平均灰度值，图中四个角对应低频成分，中间区域为高频成份，低频区域的幅度值打羽高频区域的幅度值，也同样表示该信号的主要能量集中在低频区域。

根据周期性和共轭对称性，在对图像进行频谱分析处理时只需要关注一个周期就可以了，同时利用图像的傅里叶变换和傅里叶变换的共轭可以直接计算图像的幅度谱，因此使得图像的频谱计算和显示得以简化。 

（3)平移性：

傅里叶变换对有如下平移性质：

式子表明，

在频域中原点平移到(u0 ,v0)时，其对应的空间域 f(x,y)要乘上一个正的指数项：

在空域中图像原点平移到(x0,y0)时，其对应的F(u,v)要乘上一个负的指数项：

在数字图像处理中，常常需要将F(u,v)的原点移到N*N频域的中心，以便能清楚地分析傅里叶谱的情况，平移前空域、频域原点均在左上方。要做到这点，只需令上面平移公式中的：u0=v0=N/2；

所以

 

 

。。。。。

更多请参见原文 https://blog.csdn.net/haoaoweitt/article/details/83012477