傅里叶变换的应用

    傅立叶变换是一种线性的积分变换，常在将信号在时域（或空域）和频域之间变换时使用，在物理学和工程学中有许多应用。
    根据查询资料的显示，个人感觉傅里叶正变换应用之一是要转到频域上去去燥，去除污染以及找到在时域上不明显而在频域上明显的信息；傅里叶反变换是要复原图像。
    参考：https://www.zhihu.com/question/20460630

1.先对傅里叶变换去燥以及复原图像进行说明：
以下图为例

进行傅里叶变换之后，在频域上表示为信息出现的频率，其中上图右图中均布的亮点（中心除外）为上图左图中照片上的规律的纹路。
再说明傅里叶反变换：
我们将上图右图中均布的亮点（中心除外）去除后，反变换还原图像，得到下图：

可以看到照片上的纹路去除了，图片也相应地没有那么清晰了。
一般情况下，傅里叶变换较易去除的是有规律的噪声污染等。

2.再对利用傅里叶变换提取时域（或空域）上不明显而频域上明显的信息进行说明。
以halcon中的示例defect_indent_fft.hdev来说明。

此案例其中一幅图如上图所示，能够看到在图中间有一处缺陷，这处缺陷不太明显，而且在这幅图中不易提取。下面尝试在频域中进行提取。
利用的算子为convol_fft(ImageFFT, ImageFilter : ImageConvol : : )，此算子需要利用滤波器将相应的傅里叶图像转到频域上去，也就是说这里我们将图像转为傅里叶图像以及生成一个滤波器。
（1）先完成第一步，生成一个滤波器：
这里利用的是比较两个高斯滤波器来生成滤波器，具体步骤如下：
Sigma1 := 10.0
Sigma2 := 3.0
gen_gauss_filter (GaussFilter1, Sigma1, Sigma1, 0.0, ‘none’, ‘rft’, Width, Height)
gen_gauss_filter (GaussFilter2, Sigma2, Sigma2, 0.0, ‘none’, ‘rft’, Width, Height)
sub_image (GaussFilter1, GaussFilter2, Filter, 1, 0)
（2）再将图像转为傅里叶图像
rgb1_to_gray (Image, Image)
rft_generic (Image, ImageFFT, ‘to_freq’, ‘none’, ‘complex’, Width)

（3）转到频域上去
convol_fft (ImageFFT, Filter, ImageConvol)
rft_generic (ImageConvol, ImageFiltered, ‘from_freq’, ‘n’, ‘real’, Width)


（4）过滤背景，提取缺陷
现在可以看到这个图中的缺陷已经明显了些，但是存在的背景干扰。过滤图像利用算子

gray_range_rect(Image : ImageResult : MaskHeight, MaskWidth : )

这个时候已经很明显了，再进行阈值提取就可以得到相应的缺陷位置了

min_max_gray (ImageResult, ImageResult, 0, Min, Max, Range)
threshold (ImageResult, RegionDynThresh, max([5.55,Max * 0.8]), 255)

总结：本次主要讲解了傅里叶变换的一些应用，一是去除有规律的噪点污染，二是转到频域上提取缺陷。主要的算子有gen_gauss_filter、rft_generic、convol_fft、gray_range_rect、min_max_gray，其中前三个用于转到频域上，后两个用于图像预处理。