傅里叶变换表_手把手教你用傅立叶变换画可达鸭

傅立叶变换能干啥？

多图预警

上面的心就是通过傅里叶变换画出来的！

接下来介绍方法。

离散傅立叶变换

假设我有N个复数，表示为向量x。离散傅立叶变换可以把x转换成N个新数，表示为向量X，满足如下等式：

而X又可以反过来变回x

公式都是维基抄的。数学就到此为止。

下面给具体的例子。

我们来看这8个点组成的粗糙的心形

如果我把这些点做傅里叶变换，可以得到这样一些点

看起来很随机没啥规律。把他们的坐标看成向量加起来看看

In [42]: X
Out[42]: 
array([24.        +22.j        , -1.41421356 -1.41421356j,
       -2.         +0.j        ,  0.24264069 -0.24264069j,
        0.         +2.j        ,  1.41421356 +1.41421356j,
        2.         +0.j        , -8.24264069 +8.24264069j])

In [43]: x
Out[43]: array([2.+4.j, 3.+3.j, 4.+4.j, 5.+3.j, 4.+2.j, 3.+1.j, 2.+2.j, 1.+3.j])

In [44]: fft(x)
Out[44]: 
array([24.        +22.j        , -1.41421356 -1.41421356j,
       -2.         +0.j        ,  0.24264069 -0.24264069j,
        0.         +2.j        ,  1.41421356 +1.41421356j,
        2.         +0.j        , -8.24264069 +8.24264069j])

In [45]: sum(fft(x))
Out[45]: (16+32j)

看起来蛮整的。是巧合么？

其实它正好是第一个点的8倍。

其实就对应了上面公式

那

呢？

验证一下

In [51]: sum(fft(x) * np.exp(np.array(range(8)) * (1j * 2 * np.pi / 8)) / 8)
Out[51]: (3+3j)

确实如此。

其实

的等式相当于让

不动，

逆时针转45度，

逆时针转90度，以此类推。X的下表越大，转的幅度越大。

相似的

，相当于在

的基础上，

再转45度，

再转90度。。。

也就是说，x下标的增长，对应着X向量的旋转。

如果x的下标每秒增长1，X里面的向量就会像下面一样转起来旋转