图像二维采样(2)

最新推荐文章于 2022-09-26 11:38:34 发布

我是小靖仔

最新推荐文章于 2022-09-26 11:38:34 发布

阅读量802

点赞数

分类专栏：分辨率文章标签：二维采样图像采样离散抽样

本文链接：https://blog.csdn.net/qq_44819943/article/details/121750531

版权

分辨率专栏收录该内容

7 篇文章 0 订阅

订阅专栏

本文详细解读了离散傅里叶变换(DFT)的基本原理，通过模拟DFT实例展示了如何计算待测频率，并将其与快速傅立叶变换(FFT)进行比较。着重介绍了频域信号的特征，以及模拟DFT与FFT在频谱展示上的差异。

摘要由CSDN通过智能技术生成

离散傅里叶变换DFT

这位肖畅大哥讲的好：通俗解释离散傅里叶变换

模拟DFT

close all;

n = 0:1:39;                 %40个离散点
A = cos(2*pi*2*n/40);       %待测频率
sum = zeros(1,40);
for freq = 0:39             %40个基信号
    B = cos(2*pi*freq*n/40);
    C = A.*B;               %待测频率与基信号乘积
    for num = 1:40          %乘积求和
        sum(freq+1) = sum(freq+1) + C(num);
    end
end

figure;
stem(n,A);
title('待测频率-时域信号');

figure;
stem(n,sum);
title('模拟DFT-频域信号');

在这里插入图片描述
解释频域图的含义：
1.频率分成40份，这是分别是基信号，0—39/40*2π（0-39）。
2.除了信号2/40*2π和38/40*2π以外，其他都为0，其中38/40*2π也可以写成2π-38/40*2π=-2/40*2π。就是说模拟DFT的结果是：检测出了待测信号的频率和负频率。
3.对比FFT结果（代码和结果图）：

n = 0:1:39;
A = cos(2*pi*2*n/40);

B = fft2(A);
figure;
stem(abs(B));               
title('FFT-频域信号');

C = fftshift(B);        %把38/40移到-2/40
figure;
stem(abs(C));
title('频移后');

在这里插入图片描述
与模拟DFT有一点不同：FFT横坐标是1—40，模拟DFT是0—39。
另外一点要注意的是：FFT频移后，没有显示负频率，所以看图的时候注意，把x=21看做0频率。

抽样后的频谱幅值是原来的1/X

A = zeros(1,40);            %保证频域为40刻度
n = 0:2:39;                 %每两个点抽样一个
A(n+1) = cos(2*pi*2*n/40);
B = fftshift(fft2(A));      %FFT+频移
figure;
stem(abs(B));
title('1/2抽样');

在这里插入图片描述
对比(原图—抽样)频域图：
1.抽样后的DFT频谱图幅值是原来的1/X，X是抽样间距（每X像素抽一个点）。所以需要将抽样得到的频谱乘以X。（有兴趣可以看看：为什么幅值变成1/X了）
2.抽样图多了两条竖线，对应信号：负18/40*2π和18/40*2π。这对应了图像二维采样(1)里的“频谱岛”。频谱岛之间的距离等于1/X=40/2=20（把1换成原图的刻度40）。x=1的“频谱岛”和x=21的“频谱岛”相距20，刚好验证了这一点。（有兴趣可以看看：为什么代码第一行要“保证频域为40刻度”）