4.6 实现

4.6.1 二维傅立叶变换的可分性

对于每一个$x$值，当$v=0,1,2,...,N-1$时，该等式是完整的一维傅立叶变换。换言之，$F(x,v)$是沿着$f(x,y)$的一行所进行的傅立叶变换。当$x$由$0$变成$M-1$时，沿着$f(x,y)$的所有行计算傅立叶变换。然后频率变量$u$是当作常量看的。为完成二维变换，必须将$u$值从0变到$M-1$，即沿着$F(x,v)$的每一列计算一维变换。

为什么要讨论可分性：为了方便编程实现，只需要写出一维傅立叶变换的函数。

• 用前向变换算法计算傅立叶反变换：
  考虑一维的情况：$f(x)={\sum }_{u=0}^{M-1}F(u)e^{j2\pi ux/M}$
  取复共轭，并用$M$同时除以两边：$\frac{1}{M}{f}^{\ast }(x)=\frac{1}{M}{\sum }_{u=0}^{M-1}{F}^{\ast }(u)e^{-j2\pi ux/M}$

这一结果显示出式的右边是正向傅立叶变换的形式。因此，将$F^{\ast }(u)$输入到为计算前向变换而设计的算法中，得到值$f^{\ast }(x)/M$。取复共轭，再乘以$M$便产生所要的反变换$f(x)$。

二维时有类似的分析：

$\frac{1}{MN}{f}^{\ast }(x,y)=\frac{1}{MN}{\sum }_{u=0}^{M-1}{\sum }_{v=0}^{N-1}{F}^{\ast }(u,v)e^{-j2\pi (ux/M+vy/N)}$

更多的关于周期性的讨论

• 基于卷积理论，频率域的乘法相当于空间域的卷积，反之亦然。当处理离散变量和傅立叶变换时，要记住不同函数所包含的周期性。