4.6.1 二维傅立叶变换的可分性
对于每一个 x x x值,当 v = 0 , 1 , 2 , . . . , N − 1 v = 0,1,2,...,N-1 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 ) F(x,v) F(x,v)是沿着 f ( x , y ) f(x,y) f(x,y)的一行所进行的傅立叶变换。当 x x x由 0 0 0变成 M − 1 M-1 M−1时,沿着 f ( x , y ) f(x,y) f(x,y)的所有行计算傅立叶变换。然后频率变量 u u u是当作常量看的。为完成二维变换,必须将 u u u值从0变到 M − 1 M-1 M−1,即沿着 F ( x , v ) F(x,v) 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 ) = ∑ u = 0 M − 1 F ( u ) e j 2 π u x / M f(x) = \sum_{u=0}^{M-1}F(u)e^{j2\pi ux/M} f(x)=∑u=0M−1F(u)ej2πux/M
取复共轭,并用 M M M同时除以两边: 1 M f ∗ ( x ) = 1 M ∑ u = 0 M − 1 F ∗ ( u ) e − j 2 π u x / M \frac{1}{M}f^*(x) = \frac{1}{M}\sum_{u=0}^{M-1}F^*(u)e^{-j2\pi ux/M} M1f∗(x)=M1∑u=0M−1F∗(u)e−j2πux/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 ∗ ( u ) F^*(u) F∗(u)输入到为计算前向变换而设计的算法中,得到值 f ∗ ( x ) / M f^*(x)/M f∗(x)/M。取复共轭,再乘以 M M M便产生所要的反变换 f ( x ) f(x) f(x)。
二维时有类似的分析:
1 M N f ∗ ( x , y ) = 1 M N ∑ u = 0 M − 1 ∑ v = 0 N − 1 F ∗ ( u , v ) e − j 2 π ( u x / M + v y / N ) \frac{1}{MN}f^*(x,y) = \frac{1}{MN}\sum_{u=0}^{M-1}\sum_{v=0}^{N-1}F^*(u,v)e^{-j2\pi(ux/M+vy/N)} MN1f∗(x,y)=MN1∑u=0M−1∑v=0N−1F∗(u,v)e−j2π(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。