图像的二维DFT及其反变换 .
2015-08-14 16:35
627 查看
转自:/article/2724665.html
在图像处理中,傅里叶变换应该是二维的,而且,是离散的,即:二维DFT。一个图像尺寸为的函数的离散傅里叶变换由以下等式给出:
(1)
像在一维中的一样,此表达式对u值(u=0,1,2,...,M-1)和v值(v=0,1,2,..,N-1)计算。给出,可以通过傅里叶反变换来计算得到f(x,y),即:
(2)
其中,x=0,1,...,M-1,y=0,1,...,N-1;上面两个式子共同构成了二位离散傅里叶变换对(DFT)。变量u和v是变换或频率变量,x和y是图像变量。
幅度(频率谱):
(3)
相角:
(4)
功率谱(谱密度):
(5)
其中,R(u,v)和I(u,v)分别是F(u,v)的实部和虚部。
通常,在傅里叶变换之前用乘以输入图像函数,由于指数的性质,可以看出:
(6)
其中表示一种傅里叶变换。这个等式说明,傅里叶变换的原点(F(0,0))被设置在u=M/2和N/2上。换句话说,用乘以f(x,y)将F)(u,v)原点变换到(M/2,N/2),它是二维离散傅里叶变换设置的区域的中心。我们将此频率域的范围指定为频率矩形,它从u=0到u=M-1,从v=0到v-N-1,其中,u和v都是整数,而且,为了确保移动后的坐标为整数,要求M和N都是偶数。
从(1)我们可以发现,(u,v)=(0,0)的变换值为:
(7)
即f(x,y)的平均值,也就是说,如果f(x,y)是一幅图像,在原点的傅里叶变换等于图像的平均灰度值。因为在原点处常常为0,F(0,0)有时被称作频率谱的直流成分。
无法联系到原作者,请看到后联系hjwang1@163.com
在图像处理中,傅里叶变换应该是二维的,而且,是离散的,即:二维DFT。一个图像尺寸为的函数的离散傅里叶变换由以下等式给出:
(1)
像在一维中的一样,此表达式对u值(u=0,1,2,...,M-1)和v值(v=0,1,2,..,N-1)计算。给出,可以通过傅里叶反变换来计算得到f(x,y),即:
(2)
其中,x=0,1,...,M-1,y=0,1,...,N-1;上面两个式子共同构成了二位离散傅里叶变换对(DFT)。变量u和v是变换或频率变量,x和y是图像变量。
幅度(频率谱):
(3)
相角:
(4)
功率谱(谱密度):
(5)
其中,R(u,v)和I(u,v)分别是F(u,v)的实部和虚部。
通常,在傅里叶变换之前用乘以输入图像函数,由于指数的性质,可以看出:
(6)
其中表示一种傅里叶变换。这个等式说明,傅里叶变换的原点(F(0,0))被设置在u=M/2和N/2上。换句话说,用乘以f(x,y)将F)(u,v)原点变换到(M/2,N/2),它是二维离散傅里叶变换设置的区域的中心。我们将此频率域的范围指定为频率矩形,它从u=0到u=M-1,从v=0到v-N-1,其中,u和v都是整数,而且,为了确保移动后的坐标为整数,要求M和N都是偶数。
从(1)我们可以发现,(u,v)=(0,0)的变换值为:
(7)
即f(x,y)的平均值,也就是说,如果f(x,y)是一幅图像,在原点的傅里叶变换等于图像的平均灰度值。因为在原点处常常为0,F(0,0)有时被称作频率谱的直流成分。
无法联系到原作者,请看到后联系hjwang1@163.com
相关文章推荐
- Timus OJ 题目1521. War Games 2(SBT or 线段树解决约瑟夫环)
- Dungeon Game
- AWS S3 API实现文件上传下载
- Android 长度单位dp , sp ,px总结
- mysql5.6分区记录
- 线程同步之条件变量
- HDU-1429 胜利大逃亡(续) (BFS+状态压缩)
- user_load_by_name
- href与src的区别
- 每次生成不一样的随机数
- 【TCP连接】三次握手和四次挥手
- 查看support.v4源码
- hdu 2222 AC自动机入门详解
- myeclipse部署maven时,src/main/resources里面配置文件加载不到webapp下classes路径下的问题
- 动态设置Relative Layout中按钮的layout_align_parent_right属性
- hdu 1054 Strategic Game
- Android开发规范
- pat(A) 1064. Complete Binary Search Tree(完全二叉树的中序建树)
- svn使用说明
- mysql-窗口多表连接视图view