图像的傅立叶变换

图像的傅立叶变换

傅立叶变换是一种分析信号的方法，它可分析信号的成分，也可用这些成分合成信号。许多波形可作为信号的成分，比如正弦波、方波、锯齿波等，傅立叶变换用正弦波作为信号的成分。傅立叶变换，表示能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。最初傅立叶分析是作为热过程的解析分析的工具被提出的。

傅立叶变换是数字信号处理领域一种很重要的算法。要知道傅立叶变换算法的意义，首先要了解傅立叶原理的意义。傅立叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。

和傅立叶变换算法对应的是反傅立叶变换算法。该反变换从本质上说也是一种累加处理，这样就可以将单独改变的正弦波信号转换成一个信号。因此，可以说，傅立叶变换将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱），可以利用一些工具对这些频域信号进行处理、加工。最后还可以利用傅立叶反变换将这些频域信号转换成时域信号。

为什么要对图像进行傅立叶变换的时域分析呢？原因有以下几点：

1、时域分析只能反映信号的幅值随时间变化的情况，除但频率分量的简谐波外，很难明确揭示信号的频率组成和各频率分量大小；

2、信号频谱代表信号在不同频率分量成分的大小，能够提供比时域信号波更直观，丰富的信息。

3、从图像方面来说，变换后的图像，大部分能量都分布于低频谱段，这对以后图像的压缩、传输都比较有利。使得运算次数减少，节省时间。

傅立叶变换好比一个玻璃棱镜：棱镜是可以将光分成不同颜色的物理仪器，每个成分的颜色由波长决定。傅立叶变换可看作是数学中的棱镜，将函数基于频率分成不同的成分。图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。

从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。 傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示空间上各点，则图像可由z=f(x,y)来表示。由于空间是三维的，图像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。为什么要提梯度？因为实际上对图像进行二维傅立叶变换得到频谱图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来讲，梯度大则该点的亮度强，否则该点亮度弱。这样通过观察傅立叶变换后的频谱图，也叫功率图，我们首先就可以看出，图像的能量分布，如果频谱图中暗的点数更多，那么实际图像是比较柔和的（因为各点与邻域差异都不大，梯度相对较小），反之，如果频谱图中亮的点数多，那么实际图像一定是尖锐的，边界分明且边界两边像素差异较大的。对频谱移频到原点以后，可以看出图像的频率分布是以原点为圆心，对称分布的。将频谱移频到圆心除了可以清晰地看出图像频率分布以外，还有一个好处，它可以分离出有周期性规律的干扰信号，比如正弦干扰，一副带有正弦干扰，移频到原点的频谱图上可以看出除了中心以外还存在以某一点为中心，对称分布的亮点集合，这个集合就是干扰噪音产生的，这时可以很直观的通过在该位置放置带阻滤波器消除干扰。

在图像处理中，图像高频分量：图像突变部分；在某些情况下指图像边缘信息，某些情况下指噪声，更多是两者的混合；低频分量：图像变化平缓的部分，也就是图像轮廓信息。高通滤波器：让图像使低频分量抑制，高频分量通过。低通滤波器：与高通相反，让图像使高频分量抑制，低频分量通过。

图像频域滤波增强技术是在频率域空间对图像进行滤波，因此需要将图像从空间域通过傅里叶变换频率域，具体操作如下：

假定原图像f(x,y)，经傅里叶变换为F(u,v)，频率域增强就是选择合适的滤波器函数H(u,v)对F(u,v)的频谱成分进行调整，然后经逆傅里叶变换得到增强的图像g(x,y)。该过程可以通过下面的流程描述：

（１）对原始图像f(x,y)进行傅里叶变换得到F(u,v)；

（２）将F(u,v)与传递函数H(u,v)进行卷积运算得到g(u,v)；

（３）将g(u,v)进行傅里叶逆变换得到增强图像g(x,y)。

频域滤波的核心在于如何确定传递函数，即H(u,v)。常用的频率域低通滤波器H(u,v)有4种。理想低通滤波器、巴特沃斯低通滤波器、指数低通滤波器、梯形低通滤波器。