数字图像处理频率域滤波 傅里叶变换及混淆

一、离散傅里叶变换

1.1单变量离散傅里叶变换DFT

$$X(K)=\sum _{n=0}^{N-1}x(n)W_N^{kn},0\le k\le N-1$$
$$x(n)=\frac{1}{N}\sum _{k=0}^{N-1}X(k)W_N^{-kn},0\le n\le N-1$$
其中$W_N^{kn}=e^{\frac{-j2\pi }{N}\times kn}$

1.2双变量离散傅里叶变换DFT

$$F(u,v)=\sum _{x=0}^{M-1}\sum _{y=0}^{N-1}f(x,y)W_M^{ux}{W}_N^{vy},0\le u\le M-10\le v\le N-1$$
$$f(x,y)=\frac{1}{MN}\sum _{u=0}^{M-1}\sum _{v=0}^{N-1}F(u,v)W_M^{-ux}{W}_N^{-vy},0\le x\le M-10\le y\le N-1$$

二、混淆

无可避免的混淆

\quad 实际中，函数总是有时间限制的，这个时间限制就相当于给f(t)这个函数乘了一个函数$h(t)=1,0\le t\le T$，但是这个h(t)不是带限函数（带限函数的傅里叶变换是有限的，关于原点对称），那么f(t)h(t)的傅里叶变换就不是带限的，h(t)引入了无限的频率分量。
\quad 但是，根据Nyquist采样定律，我们采样的频率应该大于信号傅里叶变换后最大频率的两倍，要不然就会导致欠采样。现在这个尴尬的处境就是，我们避免不了欠采样了，因为有无限的频率分量存在。换句话说：我们没有办法避免混淆！！！
\quad how to deal with?
\quad 在图像处理中，我们通过平滑输入函数来减少函数的高频分量，如对图像采用散焦方法，借此来降低混淆的影响，这种操作被称为抗混淆。这个操作要在函数被取样之前完成。