当前位置：文档之家 › 傅里叶变换及图像的频域处理

傅里叶变换及图像的频域处理

  • 格式：doc
  • 大小：483.50 KB
  • 文档页数：20

燕山大学课程设计说明书题目：傅里叶变换及图像的频域处理学院（系）：里仁学院电气工程系年级专业：生物医学工程10-1班学号： 101203041007 学生姓名：赵林静指导教师：孟辉教师职称：讲师燕山大学课程设计（论文）任务书院（系）：里仁学院电气工程系基层教学单位：生物医学工程说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。

2013年12 月 5 日目录一绪论 (2)二设计目的 (4)三设计原理 (4)3.1傅里叶变换的基本知识 (4)3.2MATLAB提供的快速傅里叶变换 (6)3.3简单低通滤波器的设计 (7)四设计要求 (10)4.1理想低通滤波器的设计 (11)4.2理想高通滤波器的设计 (13)五总结 (17)六参考文献 (17)绪论MATLAB的英文全称Matrix Laboratory(矩阵实验室).一开始它是一种专门用于矩阵数值计算的软件。

从这一点可以看出，它在矩阵运算方面有自己的特点。

实际上，MA TLAB 中的绝大多数运算都是通过矩阵这一形式完成的。

从理论上讲，图像是一种二维的连续函数，然而在计算机上对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化。

图像处理技术的发展大致经历了处创期，发展期，普及期和实用化期4个阶段。

初创期开始于20世纪60年代，当时的图像采用像素型光栅进行扫描显示，大多采用中，大型机对其处理。

20世纪90年代是图像处理技术的实用化时期，图像处理的信息量巨大，对处理器速度的要求极高。

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。

从现代数学的眼光来看，傅里叶变换是一种特殊的积分变换。

它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。

在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。

傅立叶变换及图像的频域处理一、设计目的1、理解离散傅立叶变换的基本原理；2、掌握应用MATLAB 语言进行FFT 及逆变换的方法；3、熟悉图像在频域中处理方法，应用MATLAB 语言作简单的低通滤波器。

二、设计原理1、傅立叶变换的基本知识在图像处理的广泛应用领域中，傅立叶变换起着非常重要的作用，具体表现在包括图像分析、图像增强及图像压缩等方面。

假设f （x , y ）是一个离散空间中的二维函数，则该函数的二维傅立叶变换的定义如下：11(2/)(2/)00(,)(,)M N j M pm j N qnm n F p q f m n e e ππ----===∑∑ p=0,1…M-1q=0,1…N-1 (6.1)或 12111201(,)(,)M N j m j n m n F f m n e e ωωωω----===∑∑ p=0,1…M-1 q=0,1…N-1（6.2）离散傅立叶反变换的定义如下：11(2/)(2/)001(,)(,)M N j M pm j N qn p q f m n F p q e e MN ππ--===∑∑m=0,1…M-1n=0,1…N-1 (6.3)F （p , q ）称为f （m , n ）的离散傅立叶变换系数。

这个式子表明，函数f （m , n ）可以用无数个不同频率的复指数信号和表示，而在频率（w 1，w 2）处的复指数信号的幅度和相位是F （w 1，w 2）。

例如，函数f （m , n ）在一个矩形区域内函数值为1，而在其他区域为0，如图所示。

了简便起见，假设f （m , n ）为一个连续函数，则f （m , n ）的傅立叶变换的幅度值（即12(,)F ωω）显示为网格图，如图所示。

将傅立叶变换的结果进行可视化的另一种方法是用图像的方式显示变换结果的对数幅值12log (,)F ωω，如图所示。

几种简单函数的傅立叶变换的频谱可以直观的表示为图所示的样子。

2、MATLAB提供的快速傅立叶变换函数（1）fft2fft2函数用于计算二维快速傅立叶变换，其语法格式为：B = fft2(I)B = fft2(I)返回图像I的二维fft变换矩阵，输入图像I和输出图像B大小相同。

例如，计算图像的二维傅立叶变换，并显示其幅值的结果，如图所示，其命令格式如下load imdemos saturn2imshow(saturn2)B = fftshift(fft2(saturn2));imshow(log(abs(B)), [ ], ‘notruesize’)（2） fftshiftMATLAB 提供的fftshift 函数用于将变换后的图像频谱中心从矩阵的原点移到矩阵的中心，其语法格式为：B = fftshift(I)对于矩阵I ，B = fftshift(I)将I 的一、三象限和二、四象限进行互换。

（3） ifft2ifft2函数用于计算图像的二维傅立叶反变换，其语法格式为：B = ifftn(I)B = ifftn(I)返回图像I 的二维傅立叶反变换矩阵，输入图像I 和输出图像B 大小相同。

其语法格式含义与fft2函数的语法格式相同，可以参考fft2函数的说明。

3、简单低通滤波器的设计一个图像经过傅立叶变换后，就从空域变到了频域，因此我们可以用信号处理中对于频域信号的处理方法对一幅图像进行处理。

比如对图像进行低通滤波等。

一个二维的理想低通滤波器（ILPF ），它的传递函数由下式确定：⎩⎨⎧>≤=00),(0),(1),(D v u D D v u D v u H 若若（6.4）式中D0是一个规定的非负的量，称为截止频率，虽然在计算机中必定能够模拟一个锐截止频率的理想低通滤波器，但它们不能用电子元件来实现。

实际中比较常用的低通滤波器有：巴特沃思（Butterworth ）滤波器、指数滤波器（ELPF ）、梯形低通滤波器等。

在实验中我们设计一个理想的低通滤波器。

设计理想的低通滤波器由其定义可知只要设计一个与频域图像大小完全相同的矩阵。

在某一个域值内该矩阵的值为1，其余为0即可。

例：若图像的大小为128*128，则可以这样设计一个低通滤波器：H=zeros(128);H(32:96, 32:96)=1; %此处的范围是人为取定的，可以根据需要更改。

若图像矩阵I的傅立叶变换是B(已经用fftshift将频谱中心移至矩阵的中心)，则对这幅图像做低通滤波，再做傅立叶逆变换命令为LOWPASS=B.* H; %此处变换后的矩阵为LOWPASS，另注意这儿是矩阵的点乘。

C=ifft2(LOWPASS);imshow(abs(C))参考代码实现：I=imread(‘guzhe.jpg'’); %读入原图像文件imshow(I); %显示原图像fftI=fft2(I); %二维离散傅立叶变换sfftI=fftshift(fftI); %直流分量移到频谱中心RR=real(sfftI); %取傅立叶变换的实部II=imag(sfftI); %取傅立叶变换的虚部A=sqrt(RR.^2+II.^2);%计算频谱幅值A=（A-min(min(A))）/(max(max(A))-min(min(A)))*225;%归一化figure; %设定窗口imshow(A); %显示原图像的频谱2．理想低通滤波器参考代码实现：I = imread(' guzhe.jpg'');[f1,f2] = freqspace(size(I),'meshgrid');Hd = ones(size(I));r = sqrt(f1.^2 + f2.^2);%0.1Hd(r>0.1) = 0;Y=fft2(double(I));Y=fftshift(Y);Ya=Y.*Hd;¨Ya=ifftshift(Ya);Ia01=ifft2(Ya);%0.2Hd(r>0.2) = 0; ÷Y=fft2(double(I));Y=fftshift(Y);Ya=Y.*Hd; ¨Ya=ifftshift(Ya);Ia02=ifft2(Ya);%0.5Hd(r>0.5) = 0;Y=fft2(double(I));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia05=ifft2(Ya);subplot(2,2,1),imshow(I),title('原图像') subplot(2,2,2),imshow(uint8(Ia01)),title('r=0.1') subplot(2,2,3),imshow(uint8(Ia02)),title('r=0.2') subplot(2,2,4),imshow(uint8(Ia05)),title('r=0.5')3. 理想高通滤波器参考代码实现：I = imread(' guzhe.jpg'');[f1,f2] = freqspace(size(I),'meshgrid');Hd = ones(size(I));r = sqrt(f1.^2 + f2.^2);%0.1Hd(r<0.1) = 0;Y=fft2(double(I));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia01=ifft2(Ya);%0.2Hd(r<0.2) = 0;Y=fft2(double(I));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia02=ifft2(Ya);%0.5Hd(r<0.5) = 0;Y=fft2(double(I));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia05=ifft2(Ya);subplot(2,2,1),imshow(I),title('原图像')subplot(2,2,2),imshow(uint8(Ia01)),title('r=0.1')subplot(2,2,3),imshow(uint8(Ia02)),title('r=0.2')subplot(2,2,4),imshow(uint8(Ia05)),title('r=0.5')三、设计要求1、读取图像guzhe.jpg，显示这幅图像，对图像作傅立叶变换，显示频域振幅图像。

合集下载

傅里叶变换小波变换应用场景

傅里叶变换小波变换应用场景

傅里叶变换小波变换应用场景
傅里叶变换和小波变换是数字信号处理领域中常用的数学工具，它们在不同的应用场景中发挥着重要的作用。

一、傅里叶变换的应用场景
1. 信号处理：傅里叶变换可以将时域信号转换为频域信号，从而分析信号的频率成分和谱密度。

它在音频、视频、图像等信号处理中得到广泛应用，比如音频的频谱分析、图像的频域滤波等。

2. 通信系统：傅里叶变换可以将时域信号转换为频域信号，使信号能够更好地传输和处理。

在调制解调、频谱分析、通信信号的滤波等方面都有重要作用。

3. 图像处理：傅里叶变换可以将图像从空域转换到频域，从而实现图像的频域滤波、频谱分析和图像增强等操作。

傅里叶变换在图像压缩、图像识别和图像恢复等方面也得到了广泛应用。

二、小波变换的应用场景
1. 信号处理：小波变换具有时频局部化的特点，可以在时域和频域上同时分析信号，适用于非平稳信号的分析。

小波变换在音频去噪、语音识别、振动信号分析等方面有重要应用。

2. 图像处理：小波变换可以提取图像的纹理特征、边缘信息和细节信息，从而实现图像的去噪、边缘检测、图像压缩等操作。

小波变换在图像处理和计算机视觉领域中广泛应用。

3. 生物医学信号处理：小波变换可以有效地分析和处理生物医学信号，如脑电图(EEG)、心电图(ECG)、血压信号等。

小波变换在生物医学信号的特征提取、异常检测和疾病诊断等方面具有重要应用。

傅里叶变换和小波变换在信号处理、通信系统、图像处理和生物医学信号处理等领域中都有广泛的应用。

它们在不同应用场景中发挥着关键的作用，为我们理解和处理复杂的信号提供了有力的工具。

傅里叶变换在信号处理中的应用

傅里叶变换在信号处理中的应用

傅里叶变换在信号处理中的应用信号处理是指对信号进行采集、处理和分析的过程，而傅里叶变换是信号处理领域中一种重要的数学工具。

本文将讨论傅里叶变换在信号处理中的应用，并介绍其原理和基本算法。

一、傅里叶变换原理傅里叶变换是数学中一种将时域信号转换为频域信号的方法。

它的核心思想是将一个信号表示成一系列谐波的叠加。

傅里叶变换可以帮助我们分析信号的频谱特性，从而对信号进行更深入的了解和处理。

在数学表示上，傅里叶变换可以表示为以下公式：F(ω) = ∫[−∞, ∞] f(t)e^(−iωt)dt其中，F(ω)表示频域信号，f(t)表示时域信号，ω表示角频率， i是虚数单位。

傅里叶变换将时域信号f(t)变换为频域信号F(ω)，通过分析F(ω)可以了解信号的频谱特征。

二、傅里叶变换的算法傅里叶变换有多种算法，如离散傅里叶变换（DFT）、快速傅里叶变换（FFT）等。

这些算法在信号处理中具有广泛的应用。

以快速傅里叶变换为例，它是一种高效的计算傅里叶变换的算法。

FFT算法的核心思想是将傅里叶变换的计算复杂度由O(N^2)降低到O(NlogN)，使得快速傅里叶变换在计算机中得到快速的实现。

FFT算法的基本步骤如下：1. 将信号分为偶数点和奇数点。

2. 对偶数点和奇数点分别进行FFT变换。

3. 将两个FFT结果进行合并。

通过FFT算法，可以快速计算出信号的傅里叶变换结果，从而更快地获得信号的频域特性。

三、傅里叶变换的应用傅里叶变换在信号处理中有广泛的应用。

以下是几个常见的应用领域：1. 信号滤波：傅里叶变换可以将信号分解为不同频率的谐波分量，通过对特定频率的谐波分量进行滤波，可以实现对信号的降噪和去除干扰等目的。

2. 音频处理：傅里叶变换可以将音频信号转换为频谱图，通过分析频谱图可以了解音频信号的音调、音高以及音量等特性。

这在音频编码、音乐处理等领域中非常有用。

3. 图像处理：傅里叶变换在图像处理中也有重要的应用。

通过对图像进行傅里叶变换，可以得到图像的频域表示，从而实现图像的滤波、增强和压缩等操作。

数字图像处理_图像的频域变换处理

数字图像处理_图像的频域变换处理

图像的频域变换处理1 实验目的 1. 掌握Fourier ，DCT 和Radon 变换与反变换的原理及算法实现，并初步理解Fourier 、Radon和DCT 变换的物理意义。

2、 利用傅里叶变换、离散余弦变换等处理图像，理解图像变换系数的特点。

3、 掌握图像的频谱分析方法。

4、 掌握图像频域压缩的方法。

5、 掌握二维数字滤波器处理图像的方法。

2 实验原理1、傅里叶变换 fft2函数：F=fft2(A);fftshift 函数：F1=fftshift(F);ifft2函数：M=ifft2(F);2、离散余弦变换：dct2函数 ：F=dct2(f2)；idct2函数：M=idct2(F)；3、 小波变换对静态二维数字图像，可先对其进行若干次二维DWT 变换， 将图像信息分解为高频成分H 、V 和D 和低频成分A 。

对低频部分A ，由于它对压缩的结果影响很大，因此可采用无损编码方法， 如Huffman 、 DPCM 等；对H 、V 和D 部分，可对不同的层次采用不同策略的向量量化编码方法，这样便可大大减少数据量，而图像的解码过程刚好相反。

（1）dwt2[CA,CH,CV,CD]=dwt2(X,’wname’)[CA,CH,CV,CD]=dwt2(X,LO_D,HI_D’)()()⎰⎥⎦⎤⎢⎣⎡-ψ=dt a b t t Rf a 1b ,a W *()⎪⎭⎫ ⎝⎛-ψ=ψa b t a 1t b ,a 112()00(,)[(,)](,)ux vy M N j M N x y f x y eF f x y F u v π---+====∑∑1100(21)(21)(,)(,)()()cos cos 22M N x y x u y v F u v f x y C u C v M Nππ--==++=∑∑CA 图像分解的近似分量,CH 水平分量,CV 垂直分量,CD 细节分量； dwt2(X,’wname ’) 使用小波基wname 对X 进行小波分解。

实验五--图像频域变换

实验五--图像频域变换

实验五图像频域变换一、实验目的1.了解傅里叶变换在图像处理中的应用2.利用Matlab语言编程实现图像的频域变换。

二、实验内容1. 打开并显示一幅图像，对其进行Fourier变换，观察其频谱图像。

2. 用两种方法将图像的频域中心移动到图像中心，然后观察其Fourier变换后的频谱图像。

（见Fourier变换的性质：f(x,y) (-1)x+y F(u-N/2,v-N/2)）对图像的Fourier变换频谱进行滤波，如：将频谱超过某个给定的值（均值或2/3均值）的变换值变为0，然后再求其Fourier逆变换，比较所得图像与原图像的差别。

3.对图像进行离散余弦变换，并观察其变换域图像。

要求：用Matlab语言进行编程实现上述功能，同时也应该熟悉用Matlab中现有的函数来实现。

傅里叶变换A)傅里叶变换基本操作I = imread(你的图像);imshow(I);title('源图像');J = fft2(I);figure, imshow(J);title('傅里叶变换');%频移JSh = fftshift(J);figure, imshow(JSh);title('傅里叶变换频移');%直接傅里叶反变换Ji = ifft2(J);figure, imshow(Ji/256);title('直接傅里叶反变换');%幅度JA = abs(J);iJA = ifft2(JA);figure, imshow(iJA/256);title('幅度傅里叶反变换');%相位JP = angle(J);iJP = ifft2(JP);figure, imshow(abs(iJP)*100);title('相位傅里叶反变换');B)利用MATLAB软件实现数字图像傅里叶变换的程序I=imread(‘原图像名.gif’); %读入原图像文件imshow(I); %显示原图像fftI=fft2(I); %二维离散傅里叶变换sfftI=fftshift(fftI); %直流分量移到频谱中心RR=real(sfftI); %取傅里叶变换的实部II=imag(sfftI); %取傅里叶变换的虚部A=sqrt(RR.^2+II.^2);%计算频谱幅值A=（A-min(min(A))）/(max(max(A))-min(min(A)))*225;%归一化figure; %设定窗口imshow(A); %显示原图像的频谱C)绘制一个二值图像矩阵,并将其傅里叶函数可视化。