图像处理之频域学习小结

作为一枚国庆留校的单身汪，不知道假期干点啥，哎，不说了，写篇博客吧！

图像，右键查看属性就可以看它的宽度，高度和位深度。这个也是衡量图片的基本标准。宽度和高度的单位往往是像素，是衡量像素点个数的标准。100*100就是一万个像素点。每个点是由位深度决定的，我们常看到是8位，（8位是1B，也就是说宽高通道和位深的8的倍数的乘积决定了图像的大小）也就是0-255有256个范围，也常常用这个来表示灰度值。带色彩的图像是3通道的，普通黑白的是单通道的，rgb三原色混合产生各种色彩的图像。上面介绍只是为了引出一个概念，就是我们常用的空域分析。主要就是对像素的灰度值直接进行操作。

但是，空域操作是有不足的，若在纸上画一个sin（x），不是很难吧，接下去画一个sin（3x）+sin（5x）的图形。别说标准不标准了，曲线什么时候上升什么时候下降你都不一定画的对吧？好，画不出来不要紧，我把sin（3x）+sin（5x）的曲线给你，但是前提是你不知道这个曲线的方程式，现在需要你把sin（5x）给我从图里拿出去，看看剩下的是什么。这基本是不可能做到的。

从我们出生，我们看到的世界都以时间贯穿，股票的走势、人的身高、汽车的轨迹都会随着时间发生改变。这种以时间作为参照来观察动态世界的方法我们称其为时域分析，空域分析道理是一样的，也很好理解，就是图像的常用分析，但是频域分析很特别，用不同的频率来表示时间轴，世界就是静止的。

频域分析里，横坐标表示是不同频率的正弦曲线，而纵坐标是正弦曲线的振幅。关键在与怎么转换？

这时，傅里叶变换就可以登场了，傅里叶变换就是将时域、空域转换到频域的一种工具。在图像中，我们可以使用傅里叶变换很轻松的将一个灰度矩阵变为频度矩阵，利用这个矩阵我们可以做很多的事情。例如，在频域中，频率高的表示细节，频率低的表示概貌，如果我们只想要概貌，那么就可以过滤掉高频的细节。如果我们想要压缩存储，也可以将变换后的频域矩阵中去除掉高频的分量，这在傅里叶变换操作是非常方便的。

在matlab中有傅里叶变换的函数，例如y=fft2(x)，可以对二维灰度矩阵进行傅里叶变形，fft则是一维的傅里叶变换函数。有兴趣的可以试试。