(精心整理)图像的傅里叶变换复习过程

傅里叶变换概念及公式推导傅里叶变换是一种数学工具，用于将一个函数从时域（时间域）转换为频域。

傅里叶变换的基本概念是，任何一个周期性函数都可以表示为一系列不同频率的正弦和余弦函数的叠加。

通过傅里叶变换，我们可以将原始信号分解成许多不同频率的正弦和余弦波。

F(ω) = ∫[−∞,+∞] f(t) e^(−iωt) dt其中，F(ω)表示频域中的函数，与f(t)相对应。

为了推导傅里叶变换的公式，我们首先将复数e^(−iωt)展开为正弦和余弦函数的形式：e^(−iωt) = cos(ωt) − i sin(ωt)然后将这个展开式代入变换公式中，得到：F(ω) = ∫[−∞,+∞] f(t) (cos(ωt) − i sin(ωt)) dt为了求解这个积分，我们可以利用欧拉公式，将复数表示为以指数函数的形式：F(ω) = ∫[−∞,+∞] f(t) e^(iωt) dt − i ∫[−∞,+∞] f(t) sin(ωt) dt将第一个积分的积分变量由t替换为−t，得到：F(ω) = ∫[−∞,+∞] f(t) e^(iωt) dt − i ∫[−∞,+∞] f(−t) sin(ωt) dt由于f(t)是一个偶函数（即f(−t)=f(t)）F(ω) = ∫[−∞,+∞] f(t) e^(iωt) dt − i ∫[−∞,+∞] f(t)sin(ωt) dt记F(ω)的实部为Re[F(ω)]，虚部为Im[F(ω)]，我们可以将公式进一步简化为：Re[F(ω)] = ∫[−∞,+∞] f(t) cos(ωt) dtIm[F(ω)] = − ∫[−∞,+∞] f(t) sin(ωt) dt这就是傅里叶变换的实部和虚部的计算公式，也称为余弦分量和正弦分量的公式。

通过计算这两个积分，我们可以得到函数在不同频率上的分量。

这些频率分量相当于原始函数在频域中的表现，有助于我们理解原始函数的频率特征。

要注意的是，以上推导过程是针对连续时间信号的傅里叶变换。

图像傅里叶变换冈萨雷斯版<图像处理>里面的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。

棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。

傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。

当我们考虑光时,讨论它的光谱或频率谱。

同样, 傅立叶变换使我们能通过频率成分来分析一个函数。

Fourier theory讲的就是：任何信号（如图像信号）都可以表示成一系列正弦信号的叠加，在图像领域就是将图像brightness variation 作为正弦变量。

比如下图的正弦模式可在单傅里叶中由三个分量编码：频率f、幅值A、相位γ这三个value可以描述正弦图像中的所有信息。

1.frequencyfrequency在空间域上可由亮度调节，例如左图的frequency比右图的frequency 低……2.幅值magnitude（amplitude）sin函数的幅值用于描述对比度，或者说是图像中最明和最暗的峰值之间的差。

（一个负幅值表示一个对比逆转，即明暗交换。

）3.相位表示相对于原始波形，这个波形的偏移量（左or右）。

=================================================================一个傅里叶变换编码是一系列正弦曲线的编码，他们的频率从0开始（即没有调整，相位为0，平均亮度处），到尼奎斯特频率（即数字图像中可被编码的最高频率，它和像素大小、resolution有关）。

傅里叶变换同时将图像中所有频率进行编码：一个只包含一个频率f1的信号在频谱上横坐标f为f1的点处绘制一个单峰值，峰值高度等于对应的振幅amplitude，或者正弦曲线信号的高度。

如下图所示。

DC term直流信号对应于频率为0的点，表示整幅图像的平均亮度，如果直流信号DC=0就表示整幅图像平均亮度的像素点个数=0，可推出灰度图中，正弦曲线在正负值之间交替变化，但是由于灰度图中没有负值，所以所有的真实图像都有一个正的DC term，如上图所示。

图像处理与傅里叶变换1背景傅里叶变换是一个非常复杂的理论，我们在图像处理中集中关注于其傅里叶离散变换离散傅立叶变换(Discrete Fourier Transform) 。

1.1离散傅立叶变换图象是由灰度（RGB ）组成的二维离散数据矩阵，则对它进行傅立叶变换是离散的傅立叶变换。

对图像数据f(x,y)（x=0,1,… ,Ｍ-1； y=0,1,… ,N-1）。

则其离散傅立叶变换定义可表示为：式中，u=0,1,…, M-1;v= 0,1,…, N-1 其逆变换为式中，x=0,1,…, M-1;y= 0,1,…, N-1在图象处理中，一般总是选择方形数据，即Ｍ＝Ｎ影像f(x,y)的振幅谱或傅立叶频谱： 相位谱：能量谱（功率谱） )1(2exp ),(1),(101∑∑-=-=⎥⎦⎤⎢⎣⎡⎪⎭⎫ ⎝⎛+-=M x N y N vy M uxi y x f MNv u F π)2(2exp ),(1),(101∑∑-=-=⎥⎦⎤⎢⎣⎡⎪⎭⎫ ⎝⎛+=M u N v N vy M uxi v u F MNy x f π),(),(),(22v u I v u R v u F +=[]),(/),(),(v u R v u I arctg v u =ϕ),(),(),(),(222v u I v u R v u F v u E +==1.2快速傅里叶变化可分离性的优点是二维的傅立叶变换或逆变换由两个连续的一维傅立叶变换变换来实现，对于一个影像f(x,y)，可以先沿着其每一列求一维傅立叶变换，再对其每一行再求一维变换正变化逆变换由于二维的傅立叶变换具有可分离性，故只讨论一维快速傅立叶变换。

正变换 逆变换由于计算机进行运算的时间主要取决于所用的乘法的次数。

按照上式进行一维离散由空间域向频率域傅立叶变换时，对于N 个F∑∑∑∑-=-=-=-=⎥⎦⎤⎢⎣⎡⨯⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡+=110101)(2exp ),(1)(2exp ),(1)(2exp ),(1),(N v N u N u N v N vy i v u F NN ux i v u F N N vy ux i v u F NNy x f πππ∑-=⎥⎦⎤⎢⎣⎡-=12exp )(1)(N x N ux i x f Nu F π∑∑∑∑-=-=-=-=⎥⎦⎤⎢⎣⎡-⨯⎥⎦⎤⎢⎣⎡-=⎥⎦⎤⎢⎣⎡+-=11101)(2exp ),(1)(2exp ),(1)(2exp ),(1),(N y N x N x N y N vy i y x f NN ux i y x f NN vy ux i y x f NNv u F πππ∑-=⎥⎦⎤⎢⎣⎡=12exp )(1)(N u N ux i u F Nx f π（u)值，中的每一个都要进行N 次运算，运算时间与N 2成正比。

关于傅立叶变换，无论是书本还是在网上可以很容易找到关于傅立叶变换的描述，但是大都是些故弄玄虚的文章，太过抽象，尽是一些让人看了就望而生畏的公式的罗列，让人很难能够从感性上得到理解，最近，我偶尔从网上看到一个关于数字信号处理的电子书籍，是一个叫Steven W. Smith, Ph.D.外国人写的，写得非常浅显，里面有七章由浅入深地专门讲述关于离散信号的傅立叶变换，虽然是英文文档，我还是硬着头皮看完了有关傅立叶变换的有关内容，看了有茅塞顿开的感觉，在此把我从中得到的理解拿出来跟大家分享，希望很多被傅立叶变换迷惑的朋友能够得到一点启发，这电子书籍是免费的，有兴趣的朋友也可以从网上下载下来看一下，URL地址是：/pdfbook.htm要理解傅立叶变换，确实需要一定的耐心，别一下子想着傅立叶变换是怎么变换的，当然，也需要一定的高等数学基础，最基本的是级数变换，其中傅立叶级数变换是傅立叶变换的基础公式。

二、傅立叶变换的提出让我们先看看为什么会有傅立叶变换？傅立叶是一位法国数学家和物理学家的名字，英语原名是Jean Baptiste Joseph Fourier(1768-1830), Fourier对热传递很感兴趣，于1807年在法国科学学会上发表了一篇论文，运用正弦曲线来描述温度分布，论文里有个在当时具有争议性的决断：任何连续周期信号可以由一组适当的正弦曲线组合而成。

当时审查这个论文的人，其中有两位是历史上著名的数学家拉格朗日(Joseph Louis Lagrange, 1736-1813)和拉普拉斯(Pierre Simon de Laplace, 1749-1827)，当拉普拉斯和其它审查者投票通过并要发表这个论文时，拉格朗日坚决反对，在近50年的时间里，拉格朗日坚持认为傅立叶的方法无法表示带有棱角的信号，如在方波中出现非连续变化斜率。

法国科学学会屈服于拉格朗日的威望，拒绝了傅立叶的工作，幸运的是，傅立叶还有其它事情可忙，他参加了政治运动，随拿破仑远征埃及，法国大革命后因会被推上断头台而一直在逃避。

关于傅立叶变换,无论是书本还是在网上可以很容易找到关于傅立叶变换的描述,但是大都是些故弄玄虚的文章,太过抽象,尽是一些让人看了就望而生畏的公式的罗列,让人很难能够从感性上得到理解,最近,我偶尔从网上看到一个关于数字信号处理的电子书籍,是一个叫Steven W. Smith, Ph.D.外国人写的,写得非常浅显,里面有七章由浅入深地专门讲述关于离散信号的傅立叶变换,虽然是英文文档,我还是硬着头皮看完了有关傅立叶变换的有关内容,看了有茅塞顿开的感觉,在此把我从中得到的理解拿出来跟大家分享,希望很多被傅立叶变换迷惑的朋友能够得到一点启发,这电子书籍是免费的,有兴趣的朋友也可以从网上下载下来看一下,URL地址是：要理解傅立叶变换,确实需要一定的耐心,别一下子想着傅立叶变换是怎么变换的,当然,也需要一定的高等数学基础,最基本的是级数变换,其中傅立叶级数变换是傅立叶变换的基础公式。

二、傅立叶变换的提出让我们先看看为什么会有傅立叶变换？傅立叶是一位法国数学家和物理学家的名字,英语原名是Jean Baptiste Joseph Fourier<1768-1830>, Fourier对热传递很感兴趣,于1807年在法国科学学会上发表了一篇论文,运用正弦曲线来描述温度分布,论文里有个在当时具有争议性的决断：任何连续周期信号可以由一组适当的正弦曲线组合而成。

当时审查这个论文的人,其中有两位是历史上著名的数学家拉格朗日<Joseph Louis Lagrange, 1736-1813>和拉普拉斯<Pierre Simon de Laplace, 1749-1827>,当拉普拉斯和其它审查者投票通过并要发表这个论文时,拉格朗日坚决反对,在近50年的时间里,拉格朗日坚持认为傅立叶的方法无法表示带有棱角的信号,如在方波中出现非连续变化斜率。

法国科学学会屈服于拉格朗日的威望,拒绝了傅立叶的工作,幸运的是,傅立叶还有其它事情可忙,他参加了政治运动,随拿破仑远征埃及,法国大革命后因会被推上断头台而一直在逃避。

傅里叶逆变换推导过程傅里叶逆变换是一种将频域信号转换为时域信号的数学操作，它是傅里叶变换的逆运算。

在信号处理和图像处理领域，傅里叶逆变换是一种常用的工具，它可以将频谱分析后的信号重新还原为原始信号。

为了更好地理解傅里叶逆变换的推导过程，我们首先需要了解傅里叶变换的定义和性质。

傅里叶变换是一种将时域信号转换为频域信号的数学操作，它将一个连续或离散的时域信号分解为一系列的正弦和余弦函数组成的频谱。

傅里叶变换的定义如下：F(w) = ∫[f(t)e^(-jwt)]dt其中，F(w)表示频域信号，f(t)表示时域信号，w表示角频率，e表示自然对数的底数。

傅里叶逆变换则是将频域信号F(w)转换回时域信号f(t)，其定义如下：f(t) = (1/2π)∫[F(w)e^(jwt)]dw根据傅里叶逆变换的定义，我们可以推导出其具体的计算过程。

首先，我们需要将频域信号F(w)进行展开，得到一系列的频率成分。

然后，将这些频率成分与对应的正弦和余弦函数相乘，并对所有频率成分进行求和。

具体而言，我们可以将频域信号F(w)表示为一系列复数的和：F(w) = Σ[C(k)e^(jkw)]其中，C(k)为复数系数，k为频率域的离散值。

根据欧拉公式，复数e^(jkw)可以表示为正弦和余弦函数的和：e^(jkw) = cos(kw) + jsin(kw)将上述公式代入频域信号的展开式中，得到：F(w) = Σ[C(k)(cos(kw) + jsin(kw))]根据傅里叶逆变换的定义，我们可以将频域信号F(w)转换为时域信号f(t)：f(t) = (1/2π)∫[F(w)e^(jwt)]dw将频域信号F(w)展开，并将其代入上式中，得到：f(t) = (1/2π)∫[Σ[C(k)(cos(kw) + jsin(kw))]e^(jwt)]dw由于正弦和余弦函数的积分结果为0，所以上式中只有当k=1时，才会对时域信号f(t)有贡献。

因此，上式可以简化为：f(t) = (1/2π)∫[C(1)(cos(wt) + jsin(wt))]dw进一步展开上式，得到：f(t) = (1/2π)∫[C(1)cos(wt)]dw + (1/2π)∫[C(1)jsin(wt)]dw根据积分的性质，上式中的两个积分可以分别进行计算。