fftw3图片傅里叶变换_数字图像处理（二）—— 离散非周期傅里叶变换

在数字图像处理中碰到的信号基本上全部都是离散非周期信号，所以我单独把这部分拿出来，介绍一下傅里叶变换是怎么应用在图像领域中的。

1. 一维离散非周期信号的傅里叶变换

设

为离散非周期有限长的信号，长度为

。那么，需构造周期信号

，其周期长度为

，且

，原信号不足的之处用

补齐。则在某周期内

。

信号

的傅里叶变换为

（1）。

逆傅里叶变换为

（2）。

1.1 离散傅里叶变换本质

将傅里叶变换式(1)展开，得到频域中的

个频率信号，可表示为

（3），

其中

。式(3)中，明显的看出，每个

都是原信号

与频率为

的基信号做内积，即信号

在所有的基信号中进行投影，与本系列中上一篇文章中的介绍相同。

1.2 离散傅里叶逆变换本质

将傅里叶逆变换式(2)展开，得到时域中的信号

，可表示为

（4），其中

。

式(4)本质上是一个坐标变换，从一组基中变换到另一组基中，即从频域转换到时域。具体来说，每个时域信号

都是都是其在每个基信号的投影与基信号的线性加权和。

2. 二维离散非周期(图像)信号的傅里叶变换

设

为二维离散非周期信号，长度为

与

，同样构造周期信号

，其周期长度为

和

，且满足

。

信号

的傅里叶变换为

（5）。

逆傅里叶变换为

（6）。

2.1 图像傅里叶变换例子(一)

为了更加直观的显示图像在傅里叶变换之后的效果，我先合成了三张图片，分别对齐进行傅里叶变换，结果如图1所示。

图1 合成图片的傅里叶变换（放大仔细看白点（-_-!））

图1中图片是由基本余弦信号

组成，

是频率，

是像素。图片大小为

，故

。图1中image1中的

为4，沿横轴变化；image1中的

为16，沿纵轴变化；image3是image1和image2的叠加。因傅里叶变换对称的性质，图1 中出现的频率均为对称分布。具体来说，傅里叶变换后低频信号集中在中心区域，频率越低越靠近中心。

完整代码在我的Github中。

2.2 图像傅里叶变换例子(二)

我从网上选了两张图片(侵删)，傅里叶变换后，结果如图2所示。

图2 自然图像的傅里叶变换

另外，我组合了两张图片，一张是图1中Lena的实部和Plane的虚部；另一张是Plane的实部和Lena的虚部，结果放在图3中了。

图3 合成图

我们可以看到，虚部，即相频占的比重要大些。

此部分完整的代码在我的GIthub中。图片可以从这里下载。