图像傅里叶变换的理解

如何通俗理解傅里叶变换，请参考文章【傅里叶分析之掐死教程】
不知道各位同学看过之后，是否头脑清晰？！
没看太明白也没关系，记住一句话：任何信号都可以表示成一系列正弦信号的叠加！

---

图像可以看做是二维平面波的叠加，不同点处的灰度值高低起伏变化。傅里叶变换是将图像信息从空间域变换到频域，就是用无数二维正弦波来拟合这种灰度值的起伏变化，灰度值的起伏变化平缓的地方，很低频的二维正弦波即可拟合，灰度值的起伏变化很大的地方(比如图像边缘、噪点等)，则需要高频二维正弦波才能拟合。

傅里叶变换的数学公式确实看着令人头疼，那么我们我只通过结果去分析它的一些性质和应用。

原图	频谱图（中心对数化）

从结果图中可以看出：

• 明亮线和原始图中对应的轮廓线是垂直的
• 原图中存在圆形轮廓，则幅度谱也是呈圆形分布的
• 图像的平移并不会影响图像的频谱
• 幅度谱中明亮线反映除了原图中灰度的变化（轮廓边）

原图	频谱图

从图中可以看到，大圆经傅里叶变换后，其圆环小；而小圆变换后，其圆环大。这是因为越尖锐，变换越剧烈的信号总包含着更多的频率成分。

---

傅里叶变换的应用

• 提取轮廓

• 去纹理
  
  

在频谱图中：

• 中间最亮的点是最低频率，属于直流分量（DC分量）
• 越往边外走，频率越高。所以，频谱图中的四个角和X,Y轴的尽头都是高频
• 可以通过抑制特定频率的信号，实现滤波

更多的图像傅里叶变换的频谱图中每个点的理解，可以参考：如何理解 图像傅里叶变换的频谱图，本文主要讲解了傅里叶的应用。