4.1 背景
- 任何周期函数都可以表示为不同频率的正弦和或余弦和的形式,每个正弦和/余弦和乘以不同的系数。这个和就是傅立叶级数。
- 非周期函数(曲线是有限的情况下)也可以用正弦/余弦乘以加权函数的积分来表示。在这种情况下的公式就是傅立叶变换。
4.2 傅立叶变换和频率域的介绍
4.2.1 一维傅立叶变换及其反变换
-
单变量连续函数 f ( x ) f(x) f(x)的傅立叶变换 F ( u ) F(u) F(u)定义为等式:
F ( u ) = ∫ − ∞ ∞ f ( x ) e − j 2 π u x d x F(u) = \int_{- \infty}^{\infty}f(x)e^{-j2\pi ux}dx F(u)=∫−∞∞f(x)e−j2πuxdx -
反变换定义为:
f ( x ) = ∫ − ∞ ∞ F ( u ) e j 2 π u x d u f(x) = \int_{- \infty}^{\infty}F(u)e^{j2\pi ux}du f(x)=∫−∞∞F(u)ej2πuxdu
- 单变量离散函数
f
(
x
)
f(x)
f(x)(其中
x
=
0
,
1
,
2
,
.
.
m
−
1
)
x = 0,1,2,..m-1)
x=0,1,2,..m−1)的傅立叶变换由下等式给出:
F ( u ) = 1 M ∑ x = 0 M − 1 f ( x ) e − j 2 π u x / M , u = 0 , 1 , . . . , M − 1 F(u) =\frac{1}{M} \sum_{x=0}^{M-1}f(x)e^{-j2\pi ux/M}, u = 0,1,...,M-1 F(u)=M1∑x=0M−1f(x)e−j2πux/M,u=0,1,...,M−1 - 反傅立叶变换:
f ( x ) = ∑ u = 0 M − 1 F ( u ) e j 2 π u x / M , x = 0 , 1 , . . . , M − 1 f(x) = \sum_{u=0}^{M-1}F(u)e^{j2\pi ux/M}, x = 0,1,...,M-1 f(x)=∑u=0M−1F(u)ej2πux/M,x=0,1,...,M−1 - F ( u ) F(u) F(u)值的范围覆盖的域( u u u的值)称为频率域,因为 u u u决定了变换的频率成分。 F ( u ) F(u) F(u)的 M M M项中的每一个被称为变换的频率分量。
- 有时在极坐标下表示
F
(
u
)
F(u)
F(u)很方便:
F ( u ) = ∣ F ( u ) ∣ e − j ϕ ( u ) F(u) = |F(u)|e^{-j\phi(u)} F(u)=∣F(u)∣e−jϕ(u)
频率谱 F ( u ) = [ R 2 ( u ) + I 2 ( u ) ] 1 / 2 F(u) = [R^2(u) + I^2(u)]^{1/2} F(u)=[R2(u)+I2(u)]1/2
R ( u ) R(u) R(u)指的是傅立叶变换中的实部
I ( u ) I(u) I(u)指的是傅立叶变换中的虚部
相位谱
ϕ
(
u
)
=
t
a
n
−
1
[
I
(
u
)
R
(
u
)
]
\phi(u) = tan^{-1}[\frac{I(u)}{R(u)}]
ϕ(u)=tan−1[R(u)I(u)]
功率谱
P
(
u
)
=
∣
F
(
u
)
∣
2
=
R
2
(
u
)
+
I
2
(
u
)
P(u) =|F(u)|^2 = R^2(u) + I^2(u)
P(u)=∣F(u)∣2=R2(u)+I2(u)
4.2.2 二维傅立叶变换及其反变换
- 二维连续傅立叶变换与反变换
F ( u , v ) = ∫ − ∞ ∞ ∫ − ∞ ∞ f ( x , y ) e − j 2 π ( u x + v y ) d x d y F(u,v) = \int_{- \infty}^{\infty}\int_{- \infty}^{\infty}f(x,y)e^{-j2\pi(ux+vy)}dxdy F(u,v)=∫−∞∞∫−∞∞f(x,y)e−j2π(ux+vy)dxdy
f ( x , y ) = ∫ − ∞ ∞ ∫ − ∞ ∞ F ( u , v ) e j 2 π ( u x + v y ) d u d v f(x,y) = \int_{- \infty}^{\infty}\int_{- \infty}^{\infty}F(u,v)e^{j2\pi(ux+vy)}dudv f(x,y)=∫−∞∞∫−∞∞F(u,v)ej2π(ux+vy)dudv
- 二维离散傅立叶变换与反变换
F ( u , v ) = 1 M N ∑ x = 0 M − 1 ∑ y = 0 N − 1 f ( x , y ) e − j 2 π ( u x / M + v y / N ) F(u,v) =\frac{1}{MN} \sum_{x=0}^{M-1}\sum_{y=0}^{N-1}f(x,y)e^{-j2\pi(ux/M+vy/N)} F(u,v)=MN1∑x=0M−1∑y=0N−1f(x,y)e−j2π(ux/M+vy/N)
f ( x , y ) = ∑ x = 0 M − 1 ∑ y = 0 N − 1 F ( u , v ) e j 2 π ( u x / M + v y / N ) f(x,y) = \sum_{x=0}^{M-1}\sum_{y=0}^{N-1}F(u,v)e^{j2\pi(ux/M+vy/N)} f(x,y)=∑x=0M−1∑y=0N−1F(u,v)ej2π(ux/M+vy/N)
-
F
(
u
,
v
)
F(u,v)
F(u,v)也可以写成极坐标的形式:
F ( u , v ) = ∣ F ( u , v ) ∣ e − j ϕ ( u , v ) F(u,v) = |F(u,v)|e^{-j\phi(u,v)} F(u,v)=∣F(u,v)∣e−jϕ(u,v)
频率谱 F ( u , v ) = [ R 2 ( u , v ) + I 2 ( u , v ) ] 1 / 2 F(u,v) = [R^2(u,v) + I^2(u,v)]^{1/2} F(u,v)=[R2(u,v)+I2(u,v)]1/2
R ( u ) R(u) R(u)指的是傅立叶变换中的实部
I ( u ) I(u) I(u)指的是傅立叶变换中的虚部
相位谱
ϕ
(
u
,
v
)
=
t
a
n
−
1
[
I
(
u
,
v
)
R
(
u
,
v
)
]
\phi(u,v) = tan^{-1}[\frac{I(u,v)}{R(u,v)}]
ϕ(u,v)=tan−1[R(u,v)I(u,v)]
功率谱
P
(
u
,
v
)
=
∣
F
(
u
,
v
)
∣
2
=
R
2
(
u
,
v
)
+
I
2
(
u
,
v
)
P(u,v) =|F(u,v)|^2 = R^2(u,v) + I^2(u,v)
P(u,v)=∣F(u,v)∣2=R2(u,v)+I2(u,v)
- 二维傅立叶变换的平移性,即:
f ( x , y ) e x p [ j 2 π ( u 0 x / M + v 0 y / N ) ] ⇔ F ( u − u 0 , v − v 0 ) f(x,y)exp[j2\pi(u_0x/M+v_0y/N)] \Leftrightarrow F(u-u_0,v-v_0) f(x,y)exp[j2π(u0x/M+v0y/N)]⇔F(u−u0,v−v0)
f ( x − x 0 , y − y 0 ) ⇔ F ( u , v ) e x p [ − 2 j π ( u x 0 / M + v y 0 / N ) ] f(x-x_0,y-y_0) \Leftrightarrow F(u,v)exp[-2j\pi(ux_0/M+vy_0/N)] f(x−x0,y−y0)⇔F(u,v)exp[−2jπ(ux0/M+vy0/N)]
证明:
欧拉公式: e i x = c o s x + i s i n x e^{ix} = cosx + isinx eix=cosx+isinx
根据平移性:
这说明, f ( x , y ) ( − 1 ) x + y f(x,y)(-1)^{x+y} f(x,y)(−1)x+y的傅立叶变换的原点被设置在 u = M 2 u = \frac{M}{2} u=2M, v = N 2 v = \frac{N}{2} v=2N。
使用平移性,实现傅立叶变换结果的中心的平移。
4.3 一些二维傅立叶变换的性质
1. 分配性
F [ f 1 ( x , y ) + f 2 ( x , y ) ] = F [ f 1 ( x , y ) ] + F f 2 ( x , y ) ] \mathscr{F}[f_1(x,y) + f_2(x,y)] = \mathscr{F}[f_1(x,y)] + \mathscr{F}f_2(x,y)] F[f1(x,y)+f2(x,y)]=F[f1(x,y)]+Ff2(x,y)]
a f ( x , y ) ⇔ a F ( u , v ) af(x,y) \Leftrightarrow aF(u,v) af(x,y)⇔aF(u,v)
傅立叶反变换适用相同的结论。
2. 周期性
离散傅立叶变换有如下的周期性:
F
(
u
,
v
)
=
F
(
u
+
M
,
v
)
=
F
(
u
,
v
+
N
)
=
F
(
u
+
M
,
v
+
N
)
F(u,v) =F(u+M,v) = F(u,v+N) = F(u+M,v+N)
F(u,v)=F(u+M,v)=F(u,v+N)=F(u+M,v+N)
f
(
x
,
y
)
=
f
(
x
+
M
,
v
)
=
f
(
x
,
y
+
N
)
=
f
(
x
+
M
,
y
+
N
)
f(x,y) = f(x + M,v) = f(x,y+N) = f(x+M,y+N)
f(x,y)=f(x+M,v)=f(x,y+N)=f(x+M,y+N)
离散傅立叶变换把原来的图像看成周期的二维离散函数
证明频率域的周期性:
3. 对称性
如果 f ( x , y ) f(x,y) f(x,y)是实函数,它的傅立叶变换必然是对称的,即:
F ( u , v ) = F ∗ ( − u , − v ) F(u,v) = F^*(-u,-v) F(u,v)=F∗(−u,−v)
∣ F ( u , v ) ∣ = ∣ F ( − u , − v ) ∣ |F(u,v)| = |F(-u,-v)| ∣F(u,v)∣=∣F(−u,−v)∣