频率域图像处理基础
来源:互联网 发布:淘宝类目排行榜 编辑:程序博客网 时间:2024/06/06 08:52
单变量函数f(x)的傅里叶变换F(u)定义为:
,其中;相反,如果已知F(u),通过傅里叶反变换就可以获得f(x):
这两个式子组成了傅里叶变换对。另外,这两个式子可以很容易的扩展到两个变量u和v:
(1)
(2)
需要提醒的是,以上定义,是针对连续函数而言,而对于图像这种离散函数,需要用“离散傅里叶变换(DFT)”来进行表示:
(3)
DFT的反变换定义为:
(4)
为了计算式(3)中的F(u),首先在指数项中带入u=0,然后,将所有x值相加。对所有M个u值重复这一过程,从而可获得完整的傅里叶变换。
离散变换对的一个重要特征是,不像连续的情况,不必关心DFT或者它的反变换是否存在,因为它们总是存在的。因此,对于数字图像处理而言,离散变换或者其反变换的存在不是问题。
需要注意的是:根据欧拉公式:
(5)
将(5)带入(3),并且 ,可得:
(6)
其中,u=0,1,2,...,M-1;不难发现,傅里叶变换的每一项(对于每一个u值,F(u)的值)由函数f(x)的所有值组成。而f(x)的值则与各种频率的正弦值和余弦值相乘。因为u决定了变换的频率成分,所以被称为F(u)的频率域。一个恰当的比喻是将傅里叶变换看做是一个玻璃棱镜。棱镜可以将白色的光线分成不同颜色成分的仪器,每个成分的颜色由波长(或者频率)决定。傅里叶变换可以看做是“数学的棱镜”,将函数基于频率成分分为不同的成分。同样的道理,傅里叶变换使得我们可以通过频率成分来分析一个函数。
正如在复数的分析中那样,我们发现,有时在极坐标下表示F(u)很方便:
其中 (7)
上式称为傅里叶变换的幅度或者频率谱,同时:
(8)
上式称为傅里叶变换的相角或者相位谱。而R(u)和I(u)分别是F(u)的实部和虚部。另外,有时候,我们会看到“功率谱”这个概念,它被定义为傅里叶变换的平方:
(9)
需要注意的是:“谱密度”也用来指代功率谱。
- 频率域图像处理基础
- 频率域图像处理基础
- 数字图像处理之频率域图像增强
- 图像处理(3)频率域滤波
- 频率域滤波基础之一(读数字图像处理学习halcon)
- 频率域滤波基础之二(读数字图像处理学习halcon)
- 频率域滤波基础之三(读数字图像处理学习halcon)
- 频率域滤波基础之四(读数字图像处理学习halcon)
- 频率域滤波基础之五(读数字图像处理学习halcon)
- 图像处理中傅里叶变换以及频率域图像增强详解
- 图像处理技术上的空间域和空间频率域
- 冈萨雷斯数字图像处理学习4:频率域图像增强1
- 频率域图像增强
- 频率域图像增强
- 【图像处理】图像频域基础
- 转 频率域图像增强
- 频率域图像增强技术
- 频率域波图像增强
- poj1936
- 利用tomcat服务器实现多线程下载 3
- js javascript 判断字符串是否包含某字符串,String对象中查找子字符,indexOf
- 霍夫变换(Hough Transform)
- java.lang.OutOfMemoryError: PermGen space 的疑惑
- 频率域图像处理基础
- GtkNotebook使用
- 工作之感慨~~~~~~~
- xmln:tools的作用
- 图像的二维DFT及其反变换
- 【分享】某卖鞋电商的用户搜索日志
- Python中的浅拷贝与深拷贝
- MFMailComposeViewController发送邮件的实例
- C++ 构造函数初始化列表