https://blog.csdn.net/jacke121/article/details/56668017
主要原因在于fft是周期延拓的。所以必须0填充才能保证其逆变换是完全卷积,否则就是周期卷积。
情况一,矩阵不拓展:
即空域是’same’,频域也是same,而不是fft2(p,x+p-1),要是完全卷积里的填充才能是完全卷积
p=[0,-1,0;-1,4,-1;0,-1,0];%矩阵1
x=magic(5);%矩阵2
a=conv2(x,p,'same');%卷积结果
P=fft2(p,5,5);%矩阵1FFT
X=fft2(x);%矩阵2FFT
aa=X.*P;%频域乘积
r=ifft2(aa);%频域转换
a=
21 73 -35 2 36
66 -40 -5 5 13
-23 -10 0 10 49
13 -5 5 40 -40
16 24 61 -47 31
r =
5.0000 -10.0000 0 60.0000 -55.0000
10.0000 -5.0000 55.0000 -60.0000 0.0000
-10.0000 50.0000 -40.0000 -5.0000 5.0000
45.0000 -45.0000 -10.0000 0.0000 10.0000
-50.0000 10.0000 -5.0000 5.0000 40.0000,
情况二,矩阵拓展:
p=[0,-1,0;-1,4,-1;0,-1,0];%矩阵1
x=magic(5);%矩阵2
a=conv2(x,p,'full');%卷积结果
P=fft2(p,7,7);%矩阵1FFT
X=fft2(x,7,7);%矩阵2FFT
aa=X.*P;%频域乘积
r=ifft2(aa);%频域转换
a=
0 -17 -24 -1 -8 -15 0
-17 21 73 -35 2 36 -15
-23 66 -40 -5 5 13 -16
-4 -23 -10 0 10 49 -22
-10 13 -5 5 40 -40 -3
-11 16 24 61 -47 31 -9
0 -11 -18 -25 -2 -9 0
r =
-0.0000 -17.0000 -24.0000 -1.0000 -8.0000 -15.0000 -0.0000
-17.0000 21.0000 73.0000 -35.0000 2.0000 36.0000 -15.0000
-23.0000 66.0000 -40.0000 -5.0000 5.0000 13.0000 -16.0000
-4.0000 -23.0000 -10.0000 -0.0000 10.0000 49.0000 -22.0000
-10.0000 13.0000 -5.0000 5.0000 40.0000 -40.0000 -3.0000
-11.0000 16.0000 24.0000 61.0000 -47.0000 31.0000 -9.0000
0.0000 -11.0000 -18.0000 -25.0000 -2.0000 -9.0000 -0.0000
在处理图像时,所用到的图像复原,都是在时域上做卷积,处理时都是将其转化到频域做乘积,然后再做傅里叶反变换。
但是函数在转化成频域时,做傅里叶变化并没有对矩阵扩展。
例如图像I为[n,m]大小,掩膜P为[a,b].处理时是将P扩展到[n,m]大小,即fft2(P,a,b);
而不是将I和P都扩展到[n+a-1,m+b-1];
经验证,都扩展到[n+a-1,m+b-1]再做频域乘积,在经过傅里叶反变换得到的结果才和时域卷积的结果一致。
保持[n,m]大小得到的结果是不对的。
例如我上面写道的情况1和情况2,分别对应这两种情况。