一：二维傅里叶变换的数学原理

1.2D离散傅里叶公式解释：

那么，其F(u,v) 本质就是：

后续说明时的”频域”均指的其傅里叶功率谱，后面为了演示方便，所有频域图均经过了fftshift移动到中心位置。

2.2D傅里叶频率图理解：

1).二维cos函数及其F(u,v)

A.图像：cos(0.3x+0.3y)，其频域上出现2个极值点，及对应其cos(0.3x+0.3y)函数本身

B.图像：cos(0.3x+0.3y)+ cos(0.3x-0.3y)，该图像表现为规则点阵，其傅里叶频域图上则按预期的出现4个极值点

C.图像：cos(0.3x+0.3y)+ cos(0.3x-0.3y)+cos(0.6x+0.4y)，同理，会出现6个极值点

2).F(u,v)图意义

F(u,v)图像每一点意义可用如下图清晰解释[1]：

即频谱图像的每一点即表示一个cos函数，点的位置即表示该函数的w1和w2。

以下我们通过使用有限个cos函数图像来进行合成lena图像

其中傅里叶频谱图上点的强度表示了求和时的cos函数的权值，越白表示权值越大。从上图可看到，仅使用低频部分的几十个cos函数已基本合成了lena。

二.2-D FFT主要性质

1.理解2D-FFT的平移不变性:

我们用1维公式进行推导：

所以不管1D，还是2D，平移不影响频域功率图，我们通过以下事例来说明该结论

2.理解2D-FFT的旋转同步性:

1)旋转同步性的数学推导：

可见f(x,y)与旋转后的f(x’,y’)的频域图形也同步为的偏差

2)旋转同步性的图示：

我们通过如下水平与逆时针15°的图像作为说明

三.经典基本图像的频谱图

1.高斯图像的傅里叶变化：

1)高斯点频域的数学推导

为便于推导，我们选择1维高斯函数作为数学说明

即高斯点的频域图还是高斯点，只是方差对应成倒数关系，即时域中高斯函数方差越大，对应频域图像的方差越小。

我们可以想一下高斯低通滤波器，当我们想要一个非常低通的滤波器时：

频域：要求截止频率很低，也即要该滤波器的非常接近中心，视觉上则表现为高斯函数方差很大。

时域：需要一个非常低的低通滤波器，我们则要求其核半径非常大，该滤波器视觉上表现为方差非常小。

2)高斯点频域图示

我们通过2个方差不同的高斯点进行说明

3)多个高斯点的频域图

该结论同样适合于任何其他图形的叠加，我们通过不同位移量的高斯点进行说明：

2.box(sinc)图像的傅里叶变化：

1)box函数数学说明

2)box函数频域图像说明

我们通过不同长宽的数据进行说明：

可以看到，长和高分别变化，会引起频域上其对应的sin相应变化

3)Box函数特例：直线函数

直线可看成box函数的特例，即长宽比特别大的：边长越长，对应方向块效应频率越高；边长越短，对应方块效应频率越低。

A.宽变换：

可以看到，随着宽的变短，水平方向的频率不断变少，最终变成频率为0的常数sin

B.长变化：

可以看到，随着长不断边长，垂直方向线段频率逐渐变高，最终达到1pixel的极限

3.圆域图像的傅里叶变化：

1)圆域函数的数学说明

圆域函数的FT推导需要用到贝塞尔公式，比较复杂。但是可以大致这样认为：

我们可以将圆看成有限个直线的求和，由

结合FT的可加性、旋转同步性、直线函数频域图像，可以推测圆域函数的FT应该类似于直线一样是成周期性的衰减圆环状。

和直线同样性质，圆越大，圆环的频率越高，我们通过如下不同半径的圆进行说明

2)圆环函数

四.部分真实图像的傅里叶变化：

1.牛顿环：

FT后，仍然是环状，因为牛顿环可以看成多个圆域函数的线性叠加

2.特斯拉标记：

2.1 频域与图像对应

该图像主要以几条曲线构成，可以很容易发现该频域图像与其时域的对应关系。

2.2 图像边缘对频谱的影响

可以看到上面2.1中的特斯拉图像取反前后，频域的图像几乎没变化，这符合预期，因为关键的边界信息是相同的。但是取反后中间垂直的2条亮线没有了，这个是由于边缘导致。

当背景有颜色时，图像的边缘即构成水平和垂直的阶跃信号，所以我们实际使用的大部分图像，几乎都可以看到其频谱图出现中间2条周期亮线的情况。

2.3 如何消除图像边缘对频谱的影响

图像边缘的阶跃效应会导致频域图中，出现中心两条带旁瓣的亮线，这有时会干扰我们对水平/垂直规律信号的分析。

我们对lena进行FT，如预期的，中心出现亮线。

接下来我们对边缘进行衰减，即可大大降低边缘阶跃效应。可以看到，边缘衰减后，FT图的中心亮线几乎消失。

3.指纹图像：

指纹的纹路是在一个较窄带的范围的纹路信号，其图像可以近似成有限个一定周期、不同方向的cos函数叠加，所以指纹的频谱能量会主要集中在一个环带范围内。下图可以明显看到，其频域图中有一个较亮的环状带。

特别说明：

[1].知乎-阿姆斯特朗

[2].数字图像处理-冈萨雷斯

由于原稿是在word中编辑，文中带有公式的段落是直接贴图，可能导致排布不对齐，见谅。

二维傅里叶变换深度研究-图像与其频域关系相关推荐

matlab极坐标下的二维傅里叶变换_形象理解二维傅里叶变换
公众号关注 "DL-CVer" 设为 "星标",DLCV消息即可送达! 来自 | 知乎作者 | 阿姆斯特朗链接 | https://zhuanlan.zh ...
形象理解二维傅里叶变换
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达来自 | 知乎作者 | 阿姆斯特朗链接 | https:// ...
Matlab实现频域滤波——二维傅里叶变换、低通、高通
目录 1.二维傅里叶变换 1.1二维傅里叶变换定义 1.2性质 2.低通滤波器 2.1理想低通滤波器 3.高通 1.二维傅里叶变换 1.1二维傅里叶变换定义首先通过傅里叶变换将图像从空间域转换为频率 ...
使用matlab对图像进行二维傅里叶变换
这学期选了<图像工程基础>这门课,课上老师留了一个作业:对图像进行二维傅里叶变换. 现在我使用matlab解决这个问题 1.实验基本指令首先我试了一下matlab图像处理的基本指令原图 ...
二维傅里叶变换是怎么进行的？
1.首先回顾一下一维FT 通俗来讲,一维傅里叶变换是将一个一维的信号分解成若干个三角波. 对于一个三角波而言,需要三个参数来确定它:频率,幅度 A ,相位.因此在频域中,一维坐标代表频率,而每个坐标对 ...
MATLAB作二维傅里叶变换所需要注意和知道的东西(im2double、fft2、abs、imshow、二维傅里叶变换的物理意义)
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 代码如下,这个代码是实现灰度图像作二维傅里叶变换 ...
二维傅里叶变换频谱图的直观理解
众所周知:频谱中心代表低频,四周代表高频. 问:那(u,v)一点代表什么? 答: 1.当为水平方向的正弦图片时,二维傅里叶变换后,其只有u方向的频谱值: 2.当为垂直方向的正弦图片是,二维傅里叶变换后 ...
HALCON示例程序class_2dim_sup.hdev使用二维像素分类对图像进行分割
HALCON示例程序class_2dim_sup.hdev使用二维像素分类对图像进行分割示例程序源码(加注释) 定义Interactive并赋值,0:固定框:1:手工绘制框. Interactive ...
【pytorch】torch.meshgrid()==＞常用于生成二维网格，比如图像的坐标点
np.meshgrid()函数常用于生成二维网格,比如图像的坐标点. x1 ,y1 = torch.meshgrid(x,y) 输入参数: 参数是两个,第一个参数我们假设是x,第二个参数假设就是y ...
2维FFT算法实现——基于GPU的基2快速二维傅里叶变换
2维FFT算法实现--基于GPU的基2快速二维傅里叶变换上篇讲述了一维FFT的GPU实现(FFT算法实现--基于GPU的基2快速傅里叶变换),后来我又由于需要做了一下二维FFT,大概思路如下. 首先 ...

二维傅里叶变换深度研究-图像与其频域关系