图像基本知识整理（3）——图像的正交变换

变换是将一个域的特征变换到另一个域，可能使在一个域不突出的特征在另一个域突出。这有助于对有用信号的提取与应用。

一、傅里叶变换

傅里叶变换是一种将时域信号转换到频域的方式，其在图像处理和分析方面有很多优势。

对于一幅图像， 图像中灰度变化缓慢的区域对应于较低的频率，而灰度变化较快的区域对应高频信息。因此，在频域图像中能量主要集中在低频部分，只有小部分的能量在高频部分。这一点在直观上也比较好理解，频率反映的是 信号变化的快慢，变化快的频率高，变化慢的频率低，在图像中边缘的信号变化明显，这样才能与周围对比度增强，因此边缘的多对于高频。

1、基本原理

图像的傅里叶变换与一般信号的变化类似。而在实际应用中，傅里叶变换的计算量很大，在处理图像时效率很低，所以引入了快速傅里叶变化。

2、代码实现

void fft2D(unsigned char* imgBuf, int width, int height)
{
	int i, j, u, v;
	float *buf = new float[width*height * 2];
	for (i = 0; i<width*height; i++){
		buf[i * 2 + 0] = imgBuf[i];
		buf[i * 2 + 1] = 0;
	}
	float *array = new float[height * 2];
	for (u = 0; u<width; u++){
		for (v = 0; v<height; v++){
			array[v * 2 + 0] = buf[v*width * 2 + u * 2 + 0];
			array[v * 2 + 1] = buf[v*width * 2 + u * 2 + 1];
		}
		fft1D(array, width);
		for (v = 0; v<height; v++){
			buf[v*width * 2 + u * 2 + 0] = array[v * 2 + 0];
			buf[v*width * 2 + u * 2 + 1] = array[v * 2 + 1];
		}
	}
	delete[]array;
	for (v = 0; v<height; v++){
		fft1D(buf + v*width * 2, width);
	}
	//频域数据保存至fftBuf
	fftBuf = buf;
	//修改频域数据
	int off;
	//显示需要
	float *buf1 = new float[width*height];
	for (i = 0; i<width*height; i++)
		buf1[i] = sqrt(buf[i * 2 + 0] * buf[i * 2 + 0] + buf[i * 2 + 1] * buf[i * 2 + 1]);
	int mo = 2000;//模值
	for (i = 0; i<width*height; i++){
		if (buf1[i] / mo>255)
			imgBuf[i] = 255;
		else imgBuf[i] = buf1[i] / mo;
	}
	delete[]buf1;
}

3、算法应用

(1)、频率滤波

图像中边缘和噪声多对应于频率的高频部分，所以可以设计合适的低通滤波器对图像进行低通滤波，去掉图像的高频部分。

(2)、显著性检测

在 X,Hou &L,Zhang. Saliency Detection: A spectral residual approach. IEEE Conference on Computer Vision and Pattern Recognition, 2007, pp.1-8 这篇文章中，提出了频率分析图像显著性的方法，是一种不错的思路，虽然作者自己后来说了该文中的错误，不过也从数学公式上证明了理论的可行性。

二、K-L变换

K-L变换也叫做特征矢量、主分量变换。我们都知道在数理统计中，可以将多个相关的因素通过一组相互独立的变量来重新表示。

1、基本原理

首先看一个简单例子：假设x=(x1,x2)的四次观测点分别为(2,2) (1,1)(-1,-1)(-2,-2),求其K-L变换。