数字图像处理（1）——傅里叶变化

在本篇文章中，主要进行数字图像的离散傅里叶变换的matlab实现，并通过matlab对离散傅里叶变化的部分性质进行验证：

（注：在本文中，不对离散傅里叶变化的基本原理进行详细的叙述）

一：离散傅里叶变化

首先生成一幅如下图所示的标准图像，本文所有的图像变化操作均基于该标准图像：

代码实现：

function biaozhuntu
%生成一幅黑底白框的图片
% 2019/3/25 Airphace
A=zeros(300);
A([51:1:250],[101:1:200])=ones(200,100);
imshow(A);
end

使用快速傅里叶变化函数fft2进行图像的2D-DFT（Two-Dimension Discrete Fourier Transform），得到的频谱图如下图所示：

我们使用fftshift函数，来对频谱进行平移处理，结果如下：

分析该图像可以得出，图像的能量主要集中在低频区，在频谱图的四个角位置，高频区集中在图像的中心，其幅值很小，接近于0。

代码实现：

function fourier_t
%对标准图像做傅里叶变化
%2019/3/25_Airphce
A=zeros(300);
A([51:1:250],[101:1:200])=ones(200,100);%构造原始图像
A_1=fft2(A);                            %对原始图像做傅里叶变化
figure(1);
imshow(log(abs(A_1)),[]);
A_2=fftshift(A_1);       
figure(2);
imshow(log(abs(A_2)),[]);
end

二：离散傅里叶变化的性质（matlab对部分性质进行验证）

1. 变化核的可分离性

该性质说明2D-DFT可以通过两次1D-DFT（1-Dimension Discrete Transform）来完成。

2. 移位特性

1）空域移位

2）频域移位

3）移位时幅度不变

a：| f（m-m0，n-n0）|——| F（u，v）|

b：| f（m，n）|——| F（u-u0，v-v0）|

即移位后，离散傅里叶变化的幅度谱不变。

代码实现：

function yiwei_3
%移位幅度不变
%2019/3/25_Airphce
A=zeros(300);
A([51:1:250],[101:1:200])=ones(200,100);%构造原始图像
figure(1);
subplot(1,2,1);
imshow(A);
%对图像进行移位操作（左移）
n=15;%图像纵轴移动的距离
m=15;%图像横轴移动的距离
for i=m+1:300
    A_2((i-m),:)=A(i,:);
end

A_2(300-m+1:1:300,:)=zeros(m,300);%移位后空缺的位置补0
for j=n+1:300
    A_3(:,(j-n))=A_2(:,j);
end
A_3(:,300-n+1:1:300)=zeros(300,n);
subplot(1,2,2);
imshow(A_3);
%对原始及移位后的图像进行傅里叶变化
figure(2);
subplot(1,2,1);
A_1=fftshift(fft2(A)); %对原始图像做傅里叶变化
imshow(log(abs(A_1)),[]);
subplot(1,2,2);
A_4=fftshift(fft2(A_3));%对移位后的图像做傅里叶变化
imshow(log(abs(A_4)),[]);
end

运行结果如下图所示：

 

根据结果可以得出，图像移位前后的幅度谱未发生改变。

 

4）频谱中心化

通过给图像f(m,n)乘(-1)^(m+n)，可以使f(m,n)的频谱从原点移到中心，

代码实现：

function yiwei
%对频谱中心化
%2019/3/25_Airphce
A=zeros(300);
A([51:1:250],[101:1:200])=ones(200,100);%构造原始图像
A_1=fft2(A); %对原始图像做傅里叶变化
subplot(1,2,1)
%figure(1);
imshow(log(abs(A_1)),[]);
for i=1:300
    for j=1:300
        A_2(i,j)=A(i,j)*((-1)^(i+j));%给图像乘（-1）的（i+j）次方
    end
end
subplot(1,2,2)
%figure(2)
A_3=fft2(A_2);
imshow(log(abs(A_3)),[]);
end

第一幅图为原始图像的傅里叶变化后的频谱图，第二幅图为对原始图像进行了频谱中心化变化后得到的结果【 f(m,n)乘以(-1)^(m+n)】，该结果与fftshift函数的作用效果一致。

3. 旋转不变性

空域中函数旋转一定的角度，则其傅里叶变化也旋转同样的角度，反之亦然。

function xuanzhuan
%旋转不变性验证
%2019/3/25_Airphce
A=zeros(300);
A([51:1:250],[101:1:200])=ones(200,100);%构造原始图像
figure(1);
subplot(1,2,1);
imshow(A);
A_3=imrotate(A,-45,'bicubic','crop');%对图形进行旋转,bicubic表示采用双三次插值算法
subplot(1,2,2);
imshow(A_3);
figure(2);
subplot(1,2,1);
A_1=fftshift(fft2(A)); %对原始图像做傅里叶变化
imshow(log(abs(A_1)),[]);
subplot(1,2,2);
A_4=fftshift(fft2(A_3));%对旋转后的图像做傅里叶变化
imshow(log(abs(A_4)),[1,5.8]);
end

结果：

 

4. 卷积定理

5. 周期性及共轭对称性

6. 线性性

7. 尺度变化性

若f（m，n）的离散傅里叶变化为F（u，n）

则f（am，bn）的傅里叶变化为（1/ |ab|）*F（u/a，v/b）

......

关于二维离散傅里叶变化还有其他的一些性质，在这里就不一一列举了~