[傅里叶变换及其应用学习笔记] 二十六. 高维傅里叶变换的推导
高维意味着函数中有多个变量,典型的高维傅里叶应用为图像处理。
一个二维图像的亮度(灰度)可以用$f(x_1,x_2)$来表示,以lena为例,图像平面作为$x_1,x_2$平面,灰度作为$z$轴,形成一个三维曲面
original image front of curve surface side of curve surface
一维傅里叶变换的作用是把二维平面上的曲线转换成频域表示,二维的傅里叶变换的作用就是把三维曲面转换成频域表示。
mathematica script:
data = Import["ExampleData/lena.tif"]; imageData = ImageData[data, "Byte"]; width = ImageDimensions[data][[1]]; height = ImageDimensions[data][[2]]; scaleParam = 5; scaledWidth = IntegerPart[width/scaleParam]; scaleHeight = IntegerPart[height/scaleParam]; size = width*height; scaledSize = scaledWidth*scaleHeight; red = 1; green = 2; blue = 3; image3d = Table[If[j == 3, imageData[[If[IntegerPart[i/width] > 0, IntegerPart[i/width], 1], If[Mod[i, width] > 0, Mod[i, width], 1], green]], If[j == 1, If[IntegerPart[i/width] > 0, IntegerPart[i/width], 1], If[Mod[i, width] > 0, Mod[i, width], 1]]], {i, size}, {j, 3}]; ListPlot3D[image3d, Mesh -> None, InterpolationOrder -> 3, ColorFunction -> GrayLevel]
View Code
从一维傅里叶变换到二维傅里叶变换
一维傅里叶变换的公式如下
$\displaystyle{ \mathcal{F}f(s) = \int_{-\infty}^{\infty}e^{-2\pi ist}f(t)dt }$
其中有变量$s,t$,变换中与这些变量相关的部分有$f(t),\mathcal{F}f(s)$以及$e^{-2\pi ist}$
二维傅里叶变换里面,变量$s,t$都变成了如下二维变量
空间变量(spatial variable)
$\underline{x} = (x_1,x_2)$
频率变量
$\underline{\xi} = (\xi_1,\xi_2)$
注:我们在讨论一维傅里叶变换的时候采用的是以时间作为单位的时域,但是在二维(N维)傅里叶变换的时候采用的是空间为单位的空域。
那么二维空域函数就可以写成
$f(\underline{x}) = f(x_1,x_2)$
二维频域函数就写成
$\mathcal{F}f(\underline{\xi} = \mathcal{F}f(\xi_1,\xi_2))$
复指数中的乘积$st$就变成$\underline{x}$与$\underline{\xi}$的内积(把$\underline{x},\underline{\xi}$看作向量)
$\underline{x}\cdot \underline{\xi} = x_1\xi_1+x_2\xi_2$
那么复指数$e^{-2\pi ist}$变成
$e^{-2\pi i(\underline{x}\cdot \underline{\xi})} = e^{-2\pi i(x_1\xi_1+x_2\xi_2)}$
有了以上的变量替换,二维傅里叶变换有如下形式
向量形式
$\displaystyle{ \mathcal{F}f(\underline{\xi}) = \int_{\mathbb{R}^2}e^{-2\pi i(\underline{x}\cdot \underline{\xi})}f(\underline{x})d\underline{x} }$
分量形式
$\displaystyle{ \mathcal{F}f(\xi_1,\xi_2) = \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}e^{-2\pi i(x_1\xi_1+x_2\xi_2)}f(x_1,x_2)dx_1dx_2 }$
N维傅里叶变换
$\begin{matrix}
\underline{x} &= &(x_1,x_2,…,x_n)\\
\underline{\xi} &= &(\xi_1,\xi_2,…,\xi_n)\\
\underline{x}\cdot \underline{\xi} &= &x_1\xi_1+x_2\xi_2+…+x_n\xi_n
\end{matrix}$
向量形式
$\displaystyle{ \mathcal{F}f(\underline{\xi}) = \int_{\mathbb{R}^n}e^{-2\pi i(\underline{x}\cdot \underline{\xi})}f(\underline{x})d\underline{x} }$
分量形式
$\displaystyle{ \mathcal{F}f(\xi_1,\xi_2,…,\xi_n) = \underbrace{\int_{-\infty}^{\infty}…\int_{-\infty}^{\infty}}_{n}e^{-2\pi i(x_1\xi_1+x_2\xi_2+...+x_n\xi_n)}f(x_1,x_2,...,x_n)dx_1dx_2…dx_n }$
傅里叶逆变换
$\displaystyle{ \mathcal{F}^{-1}g(\underline{x}) = \int_{\mathbb{R}^n}e^{2\pi i(\underline{x}\cdot \underline{\xi})}g(\underline{\xi})d\underline{\xi} }$
深入理解
在前面一维傅里叶变换类比到二维傅里叶变换的时候,复指数有以下过渡
$e^{2\pi ist} \quad \rightarrow \quad e^{2\pi i(\underline{x}\cdot\underline{\xi})}$
其中的$st$为什么会变成了$\underline{x}\cdot\underline{\xi}$这种内积的形式呢?
下面将从一维复指数开始分析,后会过渡到二维复指数。
一维复指数
在一维傅里叶级数的分析时,我们讲到任何周期为1的函数都能表达成复指数的形式如下
$f(t) = \displaystyle{ \sum_{k=-\infty}^{\infty}C_ke^{2\pi ikt} }$
其中分解成无限个复指数分量,傅里叶正逆变换是把周期取极限后再做调整的结果。
现在我们试着在坐标轴上描绘出某个复指数。
取$k=1$,即有$h(t) = e^{2\pi it}$,其中变量为t。不过由于它为复指数,我们无法在实坐标轴上把完整的图像画出来,但是我们注意到,该函数有如下性质
$h(t+1) = e^{2\pi i(t+1)} = e^{2\pi it}e^{2\pi i}=e^{2\pi it} = h(t)$
$e^{2\pi it} = 1 \qquad for\ t=0,\pm 1,\pm 2,…$
可以画出下图
可以看到尽管我们不能完整画出该复指数的图像,但是可以看到它每间隔1都会回到原来的位置,是一个周期为1的振荡函数(曲线)。
如此类推
- $e^{2\pi ikt}$就是周期为$\frac{1}{k}$(频率为$k$)的振荡函数,任意只含有一个变量t的函数$f(t)$都能由无数个这种不同频率的振荡函数组合得到。
二维复指数
按照上面分析一维复指数的思路,我们来分析二维复指数$e^{2\pi i(\underline{x}\cdot\underline{\xi})}$
取固定的$\underline{\xi} = (1,1)$,即
$\underline{x}\cdot\underline{\xi} = x_1+x_2$
当$\underline{x}\cdot\underline{\xi} = 0,\pm1,\pm2…$时,有
$e^{2\pi i(\underline{x}\cdot\underline{\xi})} = 1$
此时该复指数的值为1,在图像上表示就是振荡到1的位置
图上的斜线分别为
$x_1+x_2 = 0,\pm1,\pm2…$
他们有着相同的法向量$(1,1)$,即
$\underline{\xi} = (\xi_1,\xi_2)$
他们之间的距离为
$distance=\frac{\frac{1}{\xi_1}\frac{1}{\xi_2}}{\sqrt{\frac{1}{\xi_1^2}+\frac{1}{\xi_2^2}}} = \frac{\frac{1}{\xi_1\xi_2}}{\sqrt{\frac{\xi_1^2+\xi_2^2}{\xi_1^2\xi_2^2}}} = \frac{1}{\sqrt{\xi_1^2+\xi_2^2}} = \frac{1}{\left \| \xi \right \|}$
因此,结合前面坐标图像,有这样的描述:
- $e^{2\pi i(\underline{x}\cdot\underline{\xi})}$是一个法向量为$\underline{\xi} = (\xi_1,\xi_2)$周期为$\frac{1}{\left \| \xi \right \|} = \frac{1}{\sqrt{\xi_1^2+\xi_2^2}}$的振荡函数(曲面)。
通过修改$\underline{\xi}$,可以得到不同的法向量与不同周期的二维复指数$e^{2\pi i(\underline{x}\cdot\underline{\xi})}$,无限的这类复指数可以组合成包含两个变量的任意函数$f(\underline{x}) = f(x_1,x_2)$,即三维曲面。
[傅里叶变换及其应用学习笔记] 二十六. 高维傅里叶变换的推导相关推荐
- JVM 学习笔记二十六、JVM监控及诊断工具-GUI篇
二十六.JVM监控及诊断工具-GUI篇 1.工具概述 使用上一张命令行工具或组合能帮您获取目标Java应用性能相关的基础信息,但他们存在下列局限: (1)无法获取方法级别的分析数据,如方法间的调用关系 ...
- [傅里叶变换及其应用学习笔记] 二十四. 级联,脉冲响应
我们上节课学习了 在离散有限维空间中,任何线性系统都是通过矩阵间的相乘得到的 在连续无限维空间中,任何线性系统都是通过对核函数的积分得到的 脉冲响应(impulse response) 级联线性系统( ...
- Jenkins 持续集成 概念(学习笔记二十六)
持续集成:提交.测试.构建.测试.部署 前不久接触了持续集成(Continuous Integration,CI). 一.持续集成是什么 首先说说"集成"的概念.在实际的软件开发中 ...
- 立创eda学习笔记二十六:手把手教你使用立创eda的官方教程
可以通过以下办法找到教程: 1,在软件界面点帮助-使用教程 2,在网站首页-帮助-教程进入 如何使用教程: 这里是一级目录,其实对新手最有用的是前面3个部分,后面的仿真先不看. 常见问题里面不光是讲的 ...
- Java学习笔记二十六:Java多态中的引用类型转换
Java多态中的引用类型转换 引用类型转换: 1.向上类型转换(隐式/自动类型转换),是小类型到大类型的转换: 2.向下类型转换(强制类型转换),是大类型到小类型的转换: 3.instanceof运算 ...
- OpenCV学习笔记(十六)——CamShift研究 OpenCV学习笔记(十七)——运动分析和物体跟踪Video OpenCV学习笔记(十八)——图像的各种变换(cvtColor*+)imgproc
OpenCV学习笔记(十六)--CamShift研究 CamShitf算法,即Continuously Apative Mean-Shift算法,基本思想就是对视频图像的多帧进行MeanShift运算 ...
- python数据挖掘学习笔记】十六.逻辑回归LogisticRegression分析鸢尾花数据
但是很多时候数据是非线性的,所以这篇文章主要讲述逻辑回归及Sklearn机器学习包中的LogisticRegression算法 #2018-03-28 16:57:56 March Wednesday ...
- python分析鸢尾花数据_python数据挖掘学习笔记】十六.逻辑回归LogisticRegression分析鸢尾花数据...
但是很多时候数据是非线性的,所以这篇文章主要讲述逻辑回归及Sklearn机器学习包中的LogisticRegression算法 #2018-03-28 16:57:56 March Wednesday ...
- OpenCV学习笔记(十六):直方图均衡化:equalizeHist()
OpenCV学习笔记(十六):直方图均匀化:equalizeHist() 参考博客: 直方图均衡化的数学原理 直方图匹配的数学原理 直方图均衡化广泛应用于图像增强中: 直方图均衡化处理的"中 ...
最新文章
- linux conntrack命令 路由连接 跟踪表 显示删除监听记录
- Winodws10 VS2019 Clion CMake 编译 OpenCV rc 系统找不到指定的文件。NMAKE : fatal error U1077
- 4代hiv检测50元_闲置甩干机卖了50元!大爷突然想起:里面还有4根金条
- SLAM 学习与开发经验分享
- CCIE理论-第十五篇-IPV6-重分布+ACL+前缀列表
- 一个CXF集成SPRING的WEBSERVICE完整实例
- Redis在Java项目中的依赖
- JAVA 实现《英文猜词游戏》游戏
- 什么水果有利于饭后消化?
- 新手怎样才能快速的学会建网站
- 计算机主板电池没电什么情况,主板电池没电会怎么样-电脑主板坏了会出现什么样的情况?...
- CSS 笔记——定位尺寸
- A40I工控主板(SBC-X40I)网络接口测试
- 傅里叶变换和拉普拉斯变换的物理解释及区别
- 数字IC设计工程师的知识结构
- 美国得州大停电是“人祸”,别想让光伏风电背锅!
- java cms建站系统源码_51javacms CMS系统
- Pascal面试考试题库和答案(命令式和过程式编程语言学习资料)
- 国标COD消解器快速测定化学耗氧量,确保分析结果可靠准确
- RabbitMQ(五)死信队列和延迟队列