离散傅里叶变换及其在数字图像上的简单应用

1 一维与二维离散傅里叶变换

    以周期 

 对函数 f(t) 采样可表示为 

，

    对采样函数进行傅里叶变换得 

，

    整理得 

。

    由于对函数 f(t) 的采样周期为 

，采样函数的傅里叶变换的一个完整周期为 

，

    同样的，

 也是采样函数的傅里叶变换的一个完整周期，只是这个周期不是以原点对称的。

    在 

 区间中取 M  个点，则第 m 个点的频率为 

，

    带入公式得 

，

    其中，

 为连续函数 f(t) 对应的 M 个离散值，

 为取样函数 

 的傅里叶变换对应的 M 个离散值，

    整理公式得  

（由于函数仅在 [0,M-1] 上有非零值，故真实求和区间为 [0,M-1]）。

    因此，一维离散傅里叶变换对为 

，

。

    类似的，二维离散傅里叶变换对为   

，

。

2 傅里叶变换的性质

  1）傅里叶变换平移特性 

，

    用指数项乘以 f(t) 使得傅里叶变换后原点移动到 

 处，

    使用负指数乘以 

 使得反傅里叶变换后原点移动到 

 处，证明如下：

    

，

    使用 

 替换 

 得 

，

    因此有 

，类似推导可得 

。

    将平移特性扩展到二维离散变量上有 

。

  2）离散傅里叶变换一定具有周期特性，因为离散傅里叶变换的频率取值在 

 区间内，有限频率导致必然具有周期性，

    连续傅里叶变换频率取值为无穷大，所以连续傅里叶变换一般不具有周期性（但也有所有频率都一样的函数）。

    离散傅里叶变换周期性可表示为 

。

    观察公式 

 或 

，

    发现频率取值在 

 之间，而一个完整的频率应该在 

 之间，如下图：

    

    如果直接应用公式进行傅里叶变换，得到的频率为 [0,M-1]区间，这是两个半周期组成的一个周期。

    在图像中则表现为低频信号分布在4个角落，这显然不便于观察频率信息。

    结合傅里叶变换的平移特性，可以将原函数乘以一个正指数项，使得平移后傅里叶变换再 [0,M-1]区间正好是一个完整的周期。

    将原函数平移 M/2 可以实现该目标，具体分析如下：

    原函数平移 M/2 得 

，

    由于 x 为非负整数，

,

    最终得到 

。

    对于二维离散变量有相似结论 

。

3）原函数（二维及以上）旋转一定角度，其傅里叶变换也旋转对应角度。

    令 

 为原函数变量的列向量，

 为傅里叶变换函数变量的列向量，对 

 的傅里叶变换可表示为

    

，

    对 

 旋转一定角度可表示为 

，其中 R 为旋转矩阵，

    对 

 的傅里叶变换可表示为 

，

    由 

 得 

，并将其带入上式得 

，

    由于 

，

    因此 

，使得傅里叶变换旋转相应角度。

4）傅里叶变换具有对称性，对于二维图像来说，由于图像值为实数，其傅里叶变换具有共轭对称性。

    

，

    由于 f(x,y) 为取值为实数，因此 

。

    在将傅里叶级数从三角函数转换为指数函数过程中，通过分析指数函数系数组成部分，可以知道傅里叶级数的共轭对称性。

    而傅里叶变换是傅里叶级数在周期无限大情况下的极限表示，因此，傅里叶变换也应该满足共轭对称性。

3 图像上简单应用

 1）由于离散傅里叶变换的平移与周期特性，在傅里叶变换乘以 

 可将频谱中心化。

      由于频谱变化范围很广（在不同数量级），为了便于观察频谱信息，在可视化之前一般对频谱进行取对数处理，如 

。

 2）由于傅里叶变换的共轭对称性，在求解图像傅里叶变换时，只需要求解四分之一频谱信息，其他部分可通过共轭对称推导而来。

 3）图像频谱可表示为 

，其中，

    

 为傅里叶变换幅度，  

 为傅里叶变换频谱。

    将傅里叶变换信息拆分为幅度信息与频谱信息，幅度信息表征了图像亮度特征，频谱信息表征了图像形状特征。

    令 

，然后进行反傅里叶变换得到只包含形状的图像。

    令 

，然后进行反傅里叶变换得到只包含亮度的图像。

 4）当图像前景平移时，根据 

 可知，其傅里叶变换不发生改变。

 5）当图像前景旋转时，根据 

 可知，其傅里叶变换进行相应旋转。