使用傅里叶变换进行图像边缘检测

 

今天我们介绍通过傅里叶变换求得图像的边缘。

什么是傅立叶变换？

简单来说，傅里叶变换是将输入的信号分解成指定样式的构造块。例如，首先通过叠加具有不同频率的两个或更多个正弦函数而生成信号f(x)，之后，仅查看f(x)的图像却无法了解使用哪种或多少原始函数来生成f(x)。

这就是傅立叶变换最神奇的地方。将f(x)函数通过一个傅立叶变换器，我们就可以得到一个新的函数F(x)。F(x)的是最初生成f(x)函数的频率图。因此，通过查看F(x)我们就可以得到用于生成f(x)函数的原始频率。实际上，傅立叶变换可以揭示信号的重要特征，即其频率分量。

例如下图，该图中有f(x)函数合成时的两个不同频率的原函数和对应的傅里叶变换结果F(x)。

生成该图片的代码如下：

Fs = 150.0; ＃采样率
Ts = 1.0 / Fs; ＃采样间隔
t = np.arange（0,1，Ts）＃时间向量
ff1 = 5; ＃信号频率1 
ff2 = 10; ＃信号2的频率
y = np.sin（2 * np.pi * ff1 * t）+ np.sin（3 * np.pi * ff2 * t）

从图中可以看出，由