图像空间域和频域的分析

$$图像空间域和频域的分析$$

---

1.频域表示是灰度变化的快慢

---

2.频率矩形的大小和输入图像的大小相同。

---

3.在频率域中的一点(x,y)的值P(x，y)，他并不决定于空间域中K（x,y）的值，而是跟整个图像空间域中的所有的点都有关系，因此，在频率域中的一点(x,y)的值，例如说P(15,15)和空间域上的这一点K(15,15)并没有什么关系，而是决定于整幅图像。

---

4.因为周期性的缘故，所以在傅里叶变换过后的频率图里，四角的是低频分量。因为为了方便图像处理，低频的四角会被拼在中间

---

5.频率图中的亮暗说明了对应频率的多少

---

6.如果从右图可以看出来是边上的四个点比较亮，这说明原图中低频分量比较多，也就是说原图中的变化比较少，边缘细节少。

---

7.频域中一条光线，代表了改方向上的变化。

---

1.傅里叶变换具有对称性，所以频谱图像一般是以图像中心为原点左上右下对称，右上左下对称
2.频谱一般是四个角，但是为了图像处理方便，放在了中心
3.频率图像中心一般是低频成分，从中心往外，频率逐渐增加。每一点亮度值越高表示这个频率特征很突出，亮点越多越亮表示该频率成分越多，一般都是把图像中心设置成低频。
4.亮带越长，表示涵盖的频谱越丰富，即灰度变化的范围大

示例图片1：

---

示例图片2：

---

示例图片3：

去除高频，就是模糊，图像变得接近背景

---

去除低频，就是去除背景，增强边缘细节

---

补充：halcon常用算子

* 快速傅里叶变换
fft_generic (ImagePart, ImageFFT, 'to_freq', -1, 'sqrt', 'dc_center', 'complex')
* 快速反傅里叶变换
fft_generic (ImageFFT, ImageFFT1, 'from_freq', 1, 'sqrt', 'dc_center', 'complex')