對傅立葉變換（FT）頻譜平移的理解

http://blog.sina.com.cn/s/blog_6f57a7150100o7ik.html

對於一維函數：未平移前，FT的一個周期是沿原點對稱分布的。討論DFT，假設頻率范圍為[0，1，……，M－1，M]，則DFT的頻譜分布在原點0的兩側，左：[M/2，M/2-1，……，0]，右側[0，……，M/2-1，M/2]

同樣，將上述道理用於理解二維函數（比如圖像數據）：FT的中心位於頻率矩形的中點——假設u,v為頻率自變量，則在u方向的FT和沿v方向的FT是沿原點對稱分布的，而原始圖像的原點在左上角（故FT圖像的原點也在左上角），這就導致一幅圖像的FT圖像由相鄰的四個FT周期的1/4組成，如下圖所示：

頻譜平移使用fftshift來重排數據，相當於把FT圖像的原點移到了頻率矩形的原點（左上角），如下圖所示：

//關於頻率矩形：設u方向的頻率范圍為[0，M]，v方向的頻率范圍為[0,N]，則矩形[（0，0）（M，0）（M,N）（0,N）]即頻率矩形。

示例：

圖像生成：

>> I=zeros(255,255);

>> I(100:155,100:155)=1;

>> imshow(I)

傅立葉變換並顯示幅值譜：

>> F=fft2(I);

>> S=abs(F);figure

>> imshow(S,[])

圖上，四個角的亮點是由於FT的周期性導致的結果（分析見上文）。

經過頻譜平移後的圖像為：

>> Fc=fftshift(F);figure,imshow(abs(Fc),[])

亮度區域不明顯，不方便觀察——因為頻譜的動態范圍太大了，與8比特顯示（此時中心處的明亮值佔支配地位）相比要大得多。

可以知道

>> max(max(abs(F)))

ans =

      799680 %此值很大！

為此，可以使用對數變換來壓縮動態范圍。

>> S2=log(1+abs(Fc));imshow(S2,[])

>> max(max(abs(S2)))

ans =

   13.5920

可以看到，動態范圍已降至13.5920，更方便觀察與處理。

摘錄一段：「 對數變換的一項主要應用是壓縮動態范圍，例如，傅立葉頻譜的范圍為[0，10^6]或更高，當FT頻譜顯示於已線性放至8比特的監視器上時，高值部分佔優，從而導致頻譜中低亮度值的可視細節丟失。通過計算對數，10^6左右的動態范圍會降至14 。」——Gonzalez《數學圖像處理》