Halcon 傅里叶变换原理图文详解和相关项目解析

一、傅里叶变换
一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长(或频率)来决定。

傅里叶变换可以看做数学上的棱镜，将函数基于频率分解为不同的成分。当我们考虑关时，讨论它的光谱或频率谱。同样，傅里叶变换使我们能够通过频率成分来分析一个函数。

图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。

傅里叶变换在图像处理中可以做到图像增强与图像去噪、图像分割之边缘检测、图像特征提取、图像压缩等。

如果对一幅精细的图像使用低通滤波器，那么滤波后的结果就只剩下轮廓了。

高频成分：图像细节纹理属于高频分量，是图像灰度值变化剧烈的部分。

低频成分：图像背景与轮廓属于低频分量，是图像灰度值变化缓慢的部分。

低通滤波器：gen_lowpass 对空间域图像进行平滑处理，抑制高频分量。

高通滤波器：gen_highpass 对空间域图像进行锐化处理，抑制低频分量。

带通滤波器：gen_bandpass 使图像在某一部分的频率信息通过，其他过高或过低的频率信息抑制。

带阻滤波器：使图像过低或过高的频率信息通过，某一部分频率信息抑制。

二、相关算子
gen_gauss_filter( : ImageGauss : Sigma1, Sigma2, Phi, Norm, Mode, Width, Height : )

• 在频域产生一个高斯滤波器
• 2.高斯分布在滤波器主方向上的空间域标准差，Sigma越大，高斯滤波器的频带就越宽，对图像平滑程度越高。
• 3.垂直于滤波器主方向的高斯分布在空间域的标准差。
• 4.滤波器在空间域的主要方向
• 5.滤波器的归一化因子。‘n’ 避免在FFT中归一化
• 6.直流项在频域的位置。
• 如果使用fft_generic，可以使用’dc_edge’来提高效率。
• 如果使用fft_image和fft_image_inv进行滤波，则必须使用Norm = 'none’和Mode = ‘dc_center’。
• 如果使用rft_generic，则必须使用Mode = ‘rft’。

derivate_gauss (Image, ImageGauss, 3, ‘none’)

• 将一个图像与高斯函数的导数进行卷积。效果与FFT进行高斯滤波差不多。
  主要的区别是边界处理:FFT的定义假设信号是周期性的，因此边界处理是循环的延续。与此相反，derivate_gauss在图像边界使用灰度值的镜像。
  通过FFT进行过滤的速度已经快于在Sigma=3(排除创建过滤器的时间)中使用derivate_gauss。这种优势随着Simag的增大而变得更加明显。
  ‘none’ 仅使用平滑
  ‘x’ 沿X的一阶导数

gen_derivative_filter (DerivativeFilter, ‘x’, 1, ‘n’, ‘rft’, Width, Height)

• 在频域内产生一个导数滤波器，导数过滤器没有使用任何平滑
• 还要注意的是，不经过平滑处理的导数计算通常不会返回有用的结果，因为噪声会被显著放大。

gen_sin_bandpass (ImageBandpass, 0.4, ‘none’, ‘rft’, Width, Height)

• 生成一个正弦形状的带通滤波器
  2.滤波器与直流项的最大距离
  3.滤波器的归一化因子
  4.直流项在频域的位置
  5.图像宽度