第二章 图像、采样和频域处理（1）

第二章 图像、采样和频域处理（1）

Cpt2 图像、采样和频域处理

2.1 概述

a. 频域处理看可以适当的提高处理速度；

2.2 图像形成

a. 计算机图像表现为二维的m-bit矩阵，m的理想值实际上与相机的信噪比密切相关，模拟摄像机信噪比约45dB，每位6dB，可以用8位覆盖有效范围，且便于以byte的形式存储；
b. 在任何颜色模型中，像素的颜色可以用两种方式来确定，
（1）建立一个整数值与每个像素之间的关联，用作索引指向存储每个颜色分量的亮度查询表，通过颜色映射实现显示，采用该方法可以降低内存需求，缺点是降低了图像质量；
（2）针对不同颜色分量分别使用独立的图像平面（也就是真彩色，现在多数采用的是这种方式），24位，考虑到计算成本的下降该方法逐渐成为主流；
本书只考虑灰度图像处理；
c. 图像尺寸越大，图像的空间细节越丰富，所需的存储空间越大

2.3 傅里叶变换（Fourier Transform）

2.3 傅里叶变换（Fourier Transform）
a. 傅里叶变换是信号的一种表达形式，

其中Fp(ω)表示转换为ω的傅里叶表示函数，ζ表示进行傅里叶变换处理，ω=2πf，单位为rad/s,f=1/t，j²=-1；e(-jωt)=cos⁡(ωt)-jsin(ωt)
b.脉冲信号表现为sinc函数；
c. 针对傅里叶变换，一般只对实部进行描述；
d. 部分近似算法对边界范围进行约束；
e. 傅里叶变换的结果是一个复数，因此傅里叶变换通常利用幅度（大小/模值）和相位（幅角）进行表示，采用该描述为：

其中Re[]表示实部，Im[]表示虚部；
则有幅值：

相位：

f. 傅里叶逆变换用于对频域信号转换为时域信号，其描述为：

g. 卷积；

卷积实际上是系统理论的基础，对于采样系统，其输出为激励p1和系统响应p2的卷积结果，通过翻转系统响应的时间轴，给出p2 (t-τ)，从而得到记忆函数，对激励与记忆函数的乘积求和，得到系统对激励的累加响应作为输出；
h. 卷积的频域变换：

由于ζ(p(t-τ))=e^(-jωτ) Fp(ω)，（频域变换,
则有


即，卷积和乘法运算具有频域对偶性；
i. 相关性

相关性表示信号p1 (ω) p2 (ω)之间的匹配量度，p1 (ω) =p2 (ω)时表示信号自相关；
j. δ函数；

k.常见的傅里叶变换对：
sinc函数和脉冲变换；
余弦函数和频域上的两个点(正负频率值相同)；
高斯函数和高斯函数（参数不同，Gaussian In Gaussian Out）；
单值点和频率的无穷集；
等间隔δ函数和间隔大小互为倒数的等间隔δ函数；