傅里叶变换

里叶的只是基本忘光了。在做图像处理时怎么也理解不了 “ FFT卷积算法的一个问题是图像和滤波器被映射到圆环的拓扑结构上。换句话说，它将图像的左边缘连接到右边缘，将顶部连接到底部。在卷积过程中，图像在环形空间中旋转，而不是像在空间域中那样平移。人为地连接图像的边界会引入一个影响相关输出的伪影。” 这段话。傅里叶变换真的太难了，感觉怎么也吃不透。还在爬坑中，浅浅记录一下吧。

一、一维

先上链接。感谢这位大佬的整理分享。

五种傅里叶变换
FT： 傅里叶变换 Fourier Transform
FS： 傅里叶级数 Fourier Series
DTFT：离散时间傅里叶变换 Discrete-time Fourier Transform
DFT： 离散傅里叶变换 Discrete Fourier Transform
DFS： 离散傅里叶级数 Discrete Fourier Series

总结一下，就是：
傅里叶变换是将连续、非周期时域函数转化为非周期、连续的频域函数；
傅里叶级数是将连续、周期的时域函数转化为非周期、离散的频域函数；
离散时间傅里叶变换是将离散、非周期的时域函数转化为周期、连续的频域信号；
离散傅里叶级数将离散、周期的时域信号转化为周期、离散的频域信号。

时域	频域
周期延拓	采样
采样	周期延拓

连续、周期的时域信号可以看作是连续、非周期的时域信号的周期延拓，频域对应采样；
离散、非周期的时域信号可以看作是连续、非周期的时域信号的采样，频域对应周期延拓；
离散、周期的时域信号可以看作是离散、非周期的时域信号的周期延拓，频域对应采样；也可以看作是连续、周期信号的采样，频域对应周期延拓；
那么离散傅里叶变换 DFT 是如何得到的呢？可以看到 DFT 时域、频域的信号都是有限长的，我们可以看作是对 DFS 时域和频域信号都取了一个主值序列。link.
这里放一张个人觉得非常清晰的图，来自link：

需要注意的是， DFT 的计算复杂度为O（nn），而快速傅里叶变换（FFT）可以将复杂度改进为O（nlgn）。

由于计算机不能处理连续信号，我们直接从离散信号入手。

（一）、冲激函数

1. 冲激函数时域信号与频域信号：

y1 = zeros(1, 11);
x1 = -5:1:5;
y1(6) = 1;
subplot(221), stem(x1, y1);

yf1 = fft(y1);
subplot(222), stem(real(yf1), imag(yf1));


y2 = zeros(1, 1001);
x2 = -5:0.01:5;
y2(501) = 1;
subplot(223), stem(x2, y2);

yf2 = fft(y2);
subplot(224), stem(real(yf2), imag(yf2));

当我们选用间隔为 1 的 11 个点表示单位离散冲击时，其傅里叶变换频域图为单位圆上的离散点；当我们选用间隔为 0.01 的 1001 个点来近似描绘连续变量 x 在 x = 0 处的单位冲激响应，得到的也为单位圆上的点。