C++实现二维离散傅里叶变换

在上一篇文章《C++实现一维离散傅里叶变换》中，我们介绍了一维信号傅立叶变换的公式和C++实现，并阐述了频域幅值的意义。

一维傅立叶变换只适用于一维信号，例如音频数据、心脑电图等。

在图像处理中，图像信号具有高度和宽度两个属性，属于二维空间信号。将图像信号从空间域转换到频域时，需使用二维离散傅立叶变换。因此，需要将傅立叶变换从一维推广至二维。

二维连续傅立叶变换公式如下：

经过离散化后，上述公式变为：

，其中u=0,1,2,…,M-1，v=0,1,2,…,N-1。 (式1-1)

相应地，其逆变换为：

对式1-1稍作变换，可得：

其中，刚好是一维傅立叶变换的离散形式。故二维傅立叶变换可理解为先对图像的每一行进行一维傅立叶变换，变换的结果构成一个新的矩阵，再对新矩阵的每一列进行一维傅立叶变换，这样经过两次变换的结果就是二维傅立叶变换的最终结果。

也就是说，二维傅里叶变换相当于先按行变换，再按列变换（也可以先按列变换，再按行变换）。最终生成的频域数据，就是由两个方向的频率强度信息叠加而成。

我们可以用伪代码来实现上述逻辑。假设一维傅里叶变换函数为dft1(vec)，二维信号高度为h，宽度为w，那么伪代码可写成如下形式：

for (int i=0; i<h; i++)

dft1(row[i]);

for (int i=0; i<w; i++)

dft1(column[i]);

在本文中，我们暂不采用上述伪代码思路。我们直接按式1-1来进行编程实现：

其中，e^-i2^π(^ux/M+vy/N)可转化为三角函数cos(-2π(ux/M+vy/N))+isin(-2π(ux/M+vy/N))，i为虚数单位。转化成三角函数形式，有利于计算机编程实现。只需要采用两个for循环，就可求出单个F(u,v)值，外面再嵌套两个for循环，即可求出所有F(u,v)值。

故得到有利于编程实现的离散傅里叶变换公式如下：

由于涉及复数运算，需要先定义一个复数类，并实现复数运算。

在上一篇文章《C++实现一维离散傅里叶变换》中，我们已经实现了一个复数类ComplexNumber。直接引用它即可。

（注：编译环境是VS2013，使用MFC对话框模板）

二维离散傅里叶变换的头文件如下：

Dft2.h

#pragma once
#include "ComplexNumber.h"#define      MAX_MATRIX_SIZE                4194304             // 2048 * 2048
#define      PI                                           3.141592653class CDft2
{
public:CDft2(void);~CDft2(void);public:bool dft2(double IN const matrix[], int IN const width, int IN const height);       // 二维离散傅里叶变换bool idft2(LPVOID OUT *pMatrix, int OUT *width, int OUT *height);                 // 二维离散傅里叶逆变换void generate_spectrum();                   // 对变换结果求模，生成频谱/幅度谱void normalize_spectrum();                  // 对频谱进行归一化操作bool has_dft2_matrix();                         // 是否已存有变换结果bool is_shifted_to_center();                  // 是否已将频谱原点平移到图像中心void clear_dft2_matrix();                       // 清除已有的变换结果void print_matrix();                                // 打印变换结果void print_spectrum();                           // 打印频谱void shift_spectrum_to_center();          // 将频谱原点平移到图像中心public:CComplexNumber *m_dft2_matrix;double                    *m_spectrum_data;protected:bool      m_has_dft_matrix;bool      m_is_normalized;bool      m_is_spectrum_shifted;int         m_dft_matrix_height;int         m_dft_matrix_width;
};

由于二维傅里叶变换后得到的矩阵元素数值很大，并且包含实数和虚数。为便于观察分析，需要将变换后的结果进行求模，然后归一化到[0,255]，以便保存为频谱图。归一化后，大部分像素灰度较低，在频谱图上接近黑色，肉眼不容易察觉，因此还需要使用log函数对低灰度区域进行增强。另外，由于傅里叶变换本身具有对称性，最终生成的频谱图的四个角也具有对称性，因此，一般在完成归一化后，还有一个把频谱原点平移到频谱图中心的操作。在类CDft2的声明中，对应的求模、归一化和中心平移函数分别为generate_spectrum()、normalize_spectrum()和shift_spectrum_to_center()。

实现文件如下：

Dft2.cpp

#include "StdAfx.h"
#include "Dft2.h"CDft2::CDft2(void)
{m_dft2_matrix = NULL;m_spectrum_data = NULL;m_has_dft_matrix = false;m_is_normalized = false;m_is_spectrum_shifted = false;m_dft_matrix_height = 0;m_dft_matrix_width = 0;
}CDft2::~CDft2(void)
{if (m_has_dft_matrix && (NULL != m_dft2_matrix) && ((m_dft_matrix_height*m_dft_matrix_width)>0))delete[] m_dft2_matrix;if (NULL != m_spectrum_data)delete[] m_spectrum_data;
}bool CDft2::has_dft2_matrix()
{return m_has_dft_matrix;
}
bool CDft2::is_shifted_to_center()
{return m_is_spectrum_shifted;
}void CDft2::clear_dft2_matrix()
{if (m_has_dft_matrix && (NULL != m_dft2_matrix) && ((m_dft_matrix_height*m_dft_matrix_width)>0)) {delete[] m_dft2_matrix;m_has_dft_matrix = false;m_dft_matrix_height = 0;m_dft_matrix_width = 0;}
}void CDft2::print_matrix()
{char msg[2560] = "11111 ";if ((!m_has_dft_matrix) || (NULL == m_dft2_matrix) || (m_dft_matrix_height <= 0) || (m_dft_matrix_width <= 0))return;for (int u = 0; u<m_dft_matrix_height; u++) {for (int v = 0; v<m_dft_matrix_width; v++) {sprintf(msg + 6, "[%d,%d]: %lf + %lfi", u + 1, v + 1, m_dft2_matrix[v + u*m_dft_matrix_width].m_rl, m_dft2_matrix[v + u*m_dft_matrix_width].m_im);OutputDebugStringA(msg);}}
}void CDft2::print_spectrum()
{char msg[256] = "11111 ";if ((!m_has_dft_matrix) || (NULL == m_dft2_matrix) || (m_dft_matrix_height <= 0) || (m_dft_matrix_width <= 0) || (NULL == m_spectrum_data))return;for (int u = 0; u<m_dft_matrix_height; u++) {for (int v = 0; v<m_dft_matrix_width; v++) {sprintf(msg + 6, "[%d,%d]: %lf", u + 1, v + 1, m_spectrum_data[v + u*m_dft_matrix_width]);OutputDebugStringA(msg);}}
}// Fourier transform of 2-dimension matrix
// Param1: the input matrix to be transformed
// Param 2: width of the input matrix
// Param 3: height of the input matrix
bool CDft2::dft2(double IN const matrix[], int IN const width, int IN const height)
{if (((width*height) <= 0) || ((width*height)>MAX_MATRIX_SIZE) || (NULL == matrix))return false;// to avoid memory leak, make sure to clear existing data buff before executing the transformationclear_dft2_matrix();m_dft2_matrix = new CComplexNumber[width*height];CComplexNumber   cplTemp(0, 0);double fixed_factor_for_axisX = (-2 * PI) / height;                   // evaluate -i2π/N of -i2πux/N, and store the value for computing efficiencydouble fixed_factor_for_axisY = (-2 * PI) / width;                   // evaluate -i2π/N of -i2πux/N, and store the value for computing efficiencyfor (int u = 0; u<height; u++) {for (int v = 0; v<width; v++) {for (int x = 0; x<height; x++) {for (int y = 0; y<width; y++) {double powerX = u * x * fixed_factor_for_axisX;         // evaluate -i2πux/Ndouble powerY = v * y * fixed_factor_for_axisY;         // evaluate -i2πux/NcplTemp.m_rl = matrix[y + x*width] * cos(powerX + powerY);         // evaluate f(x) * e^(-i2πux/N), which is equal to f(x) * (cos(-i2πux/N)+sin(-i2πux/N)i) according to Euler's formulacplTemp.m_im = matrix[y + x*width] * sin(powerX + powerY);m_dft2_matrix[v + u*width] = m_dft2_matrix[v + u*width] + cplTemp;}}}}// now we have the transformed vector, keep the infom_has_dft_matrix = true;m_dft_matrix_height = height;m_dft_matrix_width = width;return true;
}// Fourier transform of 2-dimension matrix
// Param1: the input matrix to be transformed
// Param 2: width of the input matrix
// Param 3: height of the input matrix
bool CDft2::idft2(LPVOID OUT *pMatrix, int OUT *width, int OUT *height)
{char msg[256] = "11111 ";if ((!m_has_dft_matrix) || (NULL == m_dft2_matrix) || ((m_dft_matrix_height*m_dft_matrix_width) <= 0) || (!width) || (!height))return false;if (*pMatrix)delete[] * pMatrix;*pMatrix = (LPVOID)new double[m_dft_matrix_height*m_dft_matrix_width];CComplexNumber   cplTemp(0, 0);CComplexNumber   cplResult(0, 0);double fixed_factor_for_axisX = (2 * PI) / m_dft_matrix_height;                  // evaluate i2π/N of i2πux/N, and store the value for computing efficiencydouble fixed_factor_for_axisY = (2 * PI) / m_dft_matrix_width;                   // evaluate i2π/N of i2πux/N, and store the value for computing efficiencyfor (int x = 0; x<m_dft_matrix_height; x++) {for (int y = 0; y<m_dft_matrix_width; y++) {for (int u = 0; u<m_dft_matrix_height; u++) {for (int v = 0; v<m_dft_matrix_width; v++) {double powerU = u * x * fixed_factor_for_axisX;         // evaluate i2πux/Ndouble powerV = v * y * fixed_factor_for_axisY;         // evaluate i2πux/NcplTemp.SetValue(cos(powerU + powerV), sin(powerU + powerV));cplResult = cplResult + m_dft2_matrix[v + u*m_dft_matrix_width] * cplTemp;}}((double*)*pMatrix)[y + x*m_dft_matrix_width] = cplResult.m_rl / (m_dft_matrix_height*m_dft_matrix_width);cplResult.SetValue(0, 0);}}// now we have the inverse transformed matrix, keep the infosprintf(msg + 6, "inverse fourier result: %lX", pMatrix);OutputDebugStringA(msg);*width = m_dft_matrix_width;*height = m_dft_matrix_height;return true;
}void CDft2::generate_spectrum()
{if (m_has_dft_matrix && (NULL != m_dft2_matrix) && ((m_dft_matrix_height*m_dft_matrix_width)>0)) {if (NULL != m_spectrum_data) {delete[] m_spectrum_data;m_is_spectrum_shifted = false;}m_spectrum_data = new double[m_dft_matrix_height*m_dft_matrix_width];for (int u = 0; u<m_dft_matrix_height; u++) {for (int v = 0; v<m_dft_matrix_width; v++) {double a = m_dft2_matrix[v + u*m_dft_matrix_width].m_rl * m_dft2_matrix[v + u*m_dft_matrix_width].m_rl;double b = m_dft2_matrix[v + u*m_dft_matrix_width].m_im * m_dft2_matrix[v + u*m_dft_matrix_width].m_im;m_spectrum_data[v + u*m_dft_matrix_width] = sqrt(a + b);}}}
}void CDft2::normalize_spectrum()
{char msg[256] = "11111 ";if (m_has_dft_matrix && (NULL != m_dft2_matrix) && ((m_dft_matrix_height*m_dft_matrix_width)>0) && ((NULL != m_spectrum_data))) {// get max valuedouble max = 0;for (int u = 0; u<m_dft_matrix_height; u++) {for (int v = 0; v<m_dft_matrix_width; v++) {if (m_spectrum_data[v + u*m_dft_matrix_width] > max) {max = m_spectrum_data[v + u*m_dft_matrix_width];}}}// normalizeif (max <= 0) {OutputDebugStringA("11111 Dft2D::NormalizeSpectrum() max value is incorrect! function aborts.");return;}else {for (int u = 0; u<m_dft_matrix_height; u++) {for (int v = 0; v<m_dft_matrix_width; v++) {m_spectrum_data[v + u*m_dft_matrix_width] = (255 * m_spectrum_data[v + u*m_dft_matrix_width]) / max;}}}m_is_normalized = true;sprintf(msg + 6, "max: %lf", max);OutputDebugStringA(msg);}elsem_is_normalized = false;
}void CDft2::shift_spectrum_to_center()
{char msg[256] = "11111 ";if (m_is_spectrum_shifted)return;if (m_has_dft_matrix && (NULL != m_dft2_matrix) && ((m_dft_matrix_height*m_dft_matrix_width)>0) && ((NULL != m_spectrum_data))) {double *tempData = new double[m_dft_matrix_height*m_dft_matrix_width];memcpy(tempData, m_spectrum_data, m_dft_matrix_height*m_dft_matrix_width*sizeof(double));//移到中心  for (int u = 0; u<m_dft_matrix_height; u++) {for (int v = 0; v<m_dft_matrix_width; v++) {//sprintf(msg+6, "%d, %d, tempData: %lf", u+1, v+1, tempData[v+u*m_nDftMatrixWidth]);//OutputDebugStringA(msg);if ((u<(m_dft_matrix_height / 2)) && (v<(m_dft_matrix_width / 2))) {m_spectrum_data[v + u*m_dft_matrix_width] =tempData[m_dft_matrix_width / 2 + v + (m_dft_matrix_height / 2 + u)*m_dft_matrix_width];}else if ((u<(m_dft_matrix_height / 2)) && (v >= (m_dft_matrix_width / 2))) {m_spectrum_data[v + u*m_dft_matrix_width] =tempData[(v - m_dft_matrix_width / 2) + (m_dft_matrix_height / 2 + u)*m_dft_matrix_width];}else if ((u >= (m_dft_matrix_height / 2)) && (v<(m_dft_matrix_width / 2))) {m_spectrum_data[v + u*m_dft_matrix_width] =tempData[(m_dft_matrix_width / 2 + v) + (u - m_dft_matrix_height / 2)*m_dft_matrix_width];}else if ((u >= (m_dft_matrix_height / 2)) && (v >= (m_dft_matrix_width / 2))) {m_spectrum_data[v + u*m_dft_matrix_width] =tempData[(v - m_dft_matrix_width / 2) + (u - m_dft_matrix_height / 2)*m_dft_matrix_width];}}}m_is_spectrum_shifted = true;if (tempData)delete[] tempData;}
}

在CDft2实现文件中，实现二维傅里叶变换的函数dft2()主要代码如下（基本是按照式1-1来实现）：

 m_dft2_matrix = new CComplexNumber[width*height];CComplexNumber   cplTemp(0, 0);double fixed_factor_for_axisX = (-2 * PI) / height;                   // evaluate -i2π/N of -i2πux/N, and store the value for computing efficiencydouble fixed_factor_for_axisY = (-2 * PI) / width;                   // evaluate -i2π/N of -i2πux/N, and store the value for computing efficiencyfor (int u = 0; u<height; u++) {for (int v = 0; v<width; v++) {for (int x = 0; x<height; x++) {for (int y = 0; y<width; y++) {double powerX = u * x * fixed_factor_for_axisX;         // evaluate -i2πux/Ndouble powerY = v * y * fixed_factor_for_axisY;         // evaluate -i2πux/NcplTemp.m_rl = matrix[y + x*width] * cos(powerX + powerY);         // evaluate f(x) * e^(-i2πux/N), which is equal to f(x) * (cos(-i2πux/N)+sin(-i2πux/N)i) according to Euler's formulacplTemp.m_im = matrix[y + x*width] * sin(powerX + powerY);m_dft2_matrix[v + u*width] = m_dft2_matrix[v + u*width] + cplTemp;}}}}

逆变换函数idft2()也主要是按照前面给出的逆变换公式定义来实现。

求模函数generate_spectrum()的实现逻辑：对于复数x = a+bi，其模为m = mod(x) = sqrt(a²+b²)，其中sqrt代表根号。

归一化函数normalize_spectrum()的实现逻辑：先遍历矩阵，找到最大值max，然后对于矩阵中的每一个元素matrix[i]，执行matrix[i] = 255*(matrix[i]/max)，从而归一化到[0,255]。

平移中心函数 shift_spectrum_to_center() 的实现逻辑：将频谱图平分为 4 个象限，将 1 、 3 象限对换， 2 、 4 象限对换。主要通过坐标转换实现。

现在，我们编写并运行一个测试线程，对一个包含三行四列数据的二维信号进行傅里叶变换，以验证上述代码。

DWORD WINAPI test(LPVOID lParam)
{char msg[256] = "11111 ";int width = 4;int height = 3;double mat[] = { 1, 1, 3, 2, 3, 4, 123, 154, 55, 2, 22, 233 };// Fourier transformCDft2 dft2;dft2.dft2(mat, width, height);dft2.print_matrix();dft2.generate_spectrum();dft2.normalize_spectrum();dft2.print_spectrum();// inverse Fourier transformLPVOID pMat = NULL;int iHeight = 0;int iWidth = 0;dft2.idft2(&pMat, &iWidth, &iHeight);double *iMat = (double *)pMat;if (((iWidth*iHeight)>0) && (NULL != iMat)) {for (int x = 0; x<iHeight; x++) {for (int y = 0; y<iWidth; y++) {sprintf(msg+6, "inverse fourier result %d, %d: %lf, %lf", x+1, y+1, iMat[y+x*iWidth]);OutputDebugStringA(msg);}}delete[] iMat;}return 0;
}

在MFC对话框资源中添加一个test按钮，在按钮事件响应函数中添加：

::CreateThread(NULL,0, test, 0, 0, NULL);

然后编译项目。编译成功后，先打开DebugView日志观察工具，再启动生成的exe，点击test按钮，可以在DebugView中看到以下日志输出：

可以看到，逆变换的结果和原始信号完全一致。

使用Matlab的fft2()函数对原始信号进行变换，得到的结果也和上述变换结果一致。

因此我们的实现代码是有效的，输出了正确的变换结果。

当原始信号超过512*512时，本文给出的实现代码执行一次变换大约需要几十秒，这令人难以忍受。

后续我们将介绍基于蝶形分解的快速傅里叶变换，其完成一次512*512原始信号变换只需要几十毫秒。

C++实现二维离散傅里叶变换相关推荐

第4章 Python 数字图像处理(DIP) - 频率域滤波5 - 二变量函数的傅里叶变换、图像中的混叠、二维离散傅里叶变换及其反变换
目录二变量函数的傅里叶变换二维冲激及其取样性质二维连续傅里叶变换对二维取样和二维取样定理图像中的混叠二维离散傅里叶变换及其反变换二变量函数的傅里叶变换二维冲激及其取样性质两个连续变量 ...
Python 二维离散傅里叶变换
Python 二维离散傅里叶变换文章目录 Python 二维离散傅里叶变换需要的库计算两张图片的PSNR 二维离散傅里叶变换二维离散傅里叶逆变换频域平移绘制频域图像需要的库 import ...
傅里叶变换二维离散傅里叶变换
1.介绍. DFT:(Discrete Fourier Transform)离散傅里叶变换是傅里叶变换在时域和频域上都呈离散的形式,将信号的时域采样变换为其DTFT的频域采样.在形式上,变换两端(时域 ...
图像傅里叶变换（二维离散傅里叶变换）
图像傅里叶变换二维离散傅里叶变换是将图像从空间域转至频域,在图像增强.图像去噪.图像边缘检测.图像特征提取.图像压缩等等应用中都起着极其重要的作用.理论基础是任意函数都可以表示成正弦函数的线性组合的 ...
图像二维离散傅里叶变换、幅度谱、相位谱
clear, clc I = imread('...');F = fftshift(fft2(I)); % 对图像进行二维 DFT(fft2),并移至中心位置 magn = log(abs(F)); ...
二维离散傅里叶变换性质
1. 线性性质(加法定理): 2. 比例性质(相似性定理) 3. 可分离性: 4. 空间位移(位移定理): 5. 频率位移: 6. 周期性: 7. 共轭对称性: 8. 旋转不变性: 9. 平均值: 1 ...
在二维离散傅里叶变换中进行频谱平移(MATLAB::fft2shift)的作用
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 懒得自己敲文字描述了,直接摘取在一个资料上看到的 ...
C++实现二维快速傅里叶变换（FFT）
上一篇文章里,我根据DFT公式用C++实现了二维离散傅里叶变换.但跑一张300*300的图片都要好几分钟,速度实在太慢了.我研究了下快速傅里叶变换,在网上找了一些资料,然后用C++实现了二维快速傅里叶 ...
快速傅里叶变换 java_二维快速傅里叶变换的java实现
图像处理与模式识别课作业,没学过信号与系统(哭晕). 恶补了两天冈萨里斯的书,写一下实现原理及过程看了网络上很多版本的概念讲解,道理我都懂,但是在将算法迁移到傅里叶变换的实现上时,出现了一些问题.接 ...

C++实现二维离散傅里叶变换

C++实现二维离散傅里叶变换相关推荐

最新文章

热门文章