频率域图像增强

文章目录

4.1 背景

  • 任何周期函数都可以表示为不同频率的正弦和或余弦和的形式,每个正弦和/余弦和乘以不同的系数。这个和就是傅立叶级数。
  • 非周期函数(曲线是有限的情况下)也可以用正弦/余弦乘以加权函数的积分来表示。在这种情况下的公式就是傅立叶变换。

4.2 傅立叶变换和频率域的介绍

4.2.1 一维傅立叶变换及其反变换

  • 单变量连续函数f(x)f(x)f(x)的傅立叶变换F(u)F(u)F(u)定义为等式:
                             F(u)=f(x)ej2πuxdxF(u) = \int_{- \infty}^{\infty}f(x)e^{-j2\pi ux}dxF(u)=∫−∞∞​f(x)e−j2πuxdx

  • 反变换定义为:
                            f(x)=F(u)ej2πuxduf(x) = \int_{- \infty}^{\infty}F(u)e^{j2\pi ux}duf(x)=∫−∞∞​F(u)ej2πuxdu


  • 单变量离散函数f(x)f(x)f(x)(其中x=0,1,2,..m1)x = 0,1,2,..m-1)x=0,1,2,..m−1)的傅立叶变换由下等式给出:
                           F(u)=1Mx=0M1f(x)ej2πux/M,u=0,1,...,M1F(u) =\frac{1}{M} \sum_{x=0}^{M-1}f(x)e^{-j2\pi ux/M}, u = 0,1,...,M-1F(u)=M1​∑x=0M−1​f(x)e−j2πux/M,u=0,1,...,M−1
  • 反傅立叶变换:
                            f(x)=u=0M1F(u)ej2πux/M,x=0,1,...,M1f(x) = \sum_{u=0}^{M-1}F(u)e^{j2\pi ux/M}, x = 0,1,...,M-1f(x)=∑u=0M−1​F(u)ej2πux/M,x=0,1,...,M−1
  • F(u)F(u)F(u)值的范围覆盖的域(uuu的值)称为频率域,因为uuu决定了变换的频率成分。F(u)F(u)F(u)的MMM项中的每一个被称为变换的频率分量。
  • 有时在极坐标下表示F(u)F(u)F(u)很方便:
                            F(u)=F(u)ejϕ(u)F(u) = |F(u)|e^{-j\phi(u)}F(u)=∣F(u)∣e−jϕ(u)

频率谱     F(u)=[R2(u)+I2(u)]1/2F(u) = [R^2(u) + I^2(u)]^{1/2}F(u)=[R2(u)+I2(u)]1/2

R(u)R(u)R(u)指的是傅立叶变换中的实部
I(u)I(u)I(u)指的是傅立叶变换中的虚部

相位谱     ϕ(u)=tan1[I(u)R(u)]\phi(u) = tan^{-1}[\frac{I(u)}{R(u)}]ϕ(u)=tan−1[R(u)I(u)​]
功率谱      P(u)=F(u)2=R2(u)+I2(u)P(u) =|F(u)|^2 = R^2(u) + I^2(u)P(u)=∣F(u)∣2=R2(u)+I2(u)


4.2.2 二维傅立叶变换及其反变换

  • 二维连续傅立叶变换与反变换
                                   F(u,v)=f(x,y)ej2π(ux+vy)dxdyF(u,v) = \int_{- \infty}^{\infty}\int_{- \infty}^{\infty}f(x,y)e^{-j2\pi(ux+vy)}dxdyF(u,v)=∫−∞∞​∫−∞∞​f(x,y)e−j2π(ux+vy)dxdy

                                          f(x,y)=F(u,v)ej2π(ux+vy)dudvf(x,y) = \int_{- \infty}^{\infty}\int_{- \infty}^{\infty}F(u,v)e^{j2\pi(ux+vy)}dudvf(x,y)=∫−∞∞​∫−∞∞​F(u,v)ej2π(ux+vy)dudv

  • 二维离散傅立叶变换与反变换
    F(u,v)=1MNx=0M1y=0N1f(x,y)ej2π(ux/M+vy/N)F(u,v) =\frac{1}{MN} \sum_{x=0}^{M-1}\sum_{y=0}^{N-1}f(x,y)e^{-j2\pi(ux/M+vy/N)}F(u,v)=MN1​∑x=0M−1​∑y=0N−1​f(x,y)e−j2π(ux/M+vy/N)

f(x,y)=x=0M1y=0N1F(u,v)ej2π(ux/M+vy/N)f(x,y) = \sum_{x=0}^{M-1}\sum_{y=0}^{N-1}F(u,v)e^{j2\pi(ux/M+vy/N)}f(x,y)=∑x=0M−1​∑y=0N−1​F(u,v)ej2π(ux/M+vy/N)

  • F(u,v)F(u,v)F(u,v)也可以写成极坐标的形式:
                            F(u,v)=F(u,v)ejϕ(u,v)F(u,v) = |F(u,v)|e^{-j\phi(u,v)}F(u,v)=∣F(u,v)∣e−jϕ(u,v)

频率谱     F(u,v)=[R2(u,v)+I2(u,v)]1/2F(u,v) = [R^2(u,v) + I^2(u,v)]^{1/2}F(u,v)=[R2(u,v)+I2(u,v)]1/2

R(u)R(u)R(u)指的是傅立叶变换中的实部
I(u)I(u)I(u)指的是傅立叶变换中的虚部

相位谱     ϕ(u,v)=tan1[I(u,v)R(u,v)]\phi(u,v) = tan^{-1}[\frac{I(u,v)}{R(u,v)}]ϕ(u,v)=tan−1[R(u,v)I(u,v)​]
功率谱      P(u,v)=F(u,v)2=R2(u,v)+I2(u,v)P(u,v) =|F(u,v)|^2 = R^2(u,v) + I^2(u,v)P(u,v)=∣F(u,v)∣2=R2(u,v)+I2(u,v)

  • 二维傅立叶变换的平移性,即:
    f(x,y)exp[j2π(u0x/M+v0y/N)]F(uu0,vv0)f(x,y)exp[j2\pi(u_0x/M+v_0y/N)] \Leftrightarrow F(u-u_0,v-v_0)f(x,y)exp[j2π(u0​x/M+v0​y/N)]⇔F(u−u0​,v−v0​)
    f(xx0,yy0)F(u,v)exp[2jπ(ux0/M+vy0/N)]f(x-x_0,y-y_0) \Leftrightarrow F(u,v)exp[-2j\pi(ux_0/M+vy_0/N)]f(x−x0​,y−y0​)⇔F(u,v)exp[−2jπ(ux0​/M+vy0​/N)]

证明:

频率域图像增强

欧拉公式:eix=cosx+isinxe^{ix} = cosx + isinxeix=cosx+isinx

根据平移性:
频率域图像增强

这说明,f(x,y)(1)x+yf(x,y)(-1)^{x+y}f(x,y)(−1)x+y的傅立叶变换的原点被设置在u=M2u = \frac{M}{2}u=2M​,v=N2v = \frac{N}{2}v=2N​。

使用平移性,实现傅立叶变换结果的中心的平移。
频率域图像增强

4.3 一些二维傅立叶变换的性质

1. 分配性

F[f1(x,y)+f2(x,y)]=F[f1(x,y)]+Ff2(x,y)]\mathscr{F}[f_1(x,y) + f_2(x,y)] = \mathscr{F}[f_1(x,y)] + \mathscr{F}f_2(x,y)]F[f1​(x,y)+f2​(x,y)]=F[f1​(x,y)]+Ff2​(x,y)]

af(x,y)aF(u,v)af(x,y) \Leftrightarrow aF(u,v)af(x,y)⇔aF(u,v)

傅立叶反变换适用相同的结论。

2. 周期性

离散傅立叶变换有如下的周期性:
F(u,v)=F(u+M,v)=F(u,v+N)=F(u+M,v+N)F(u,v) =F(u+M,v) = F(u,v+N) = F(u+M,v+N)F(u,v)=F(u+M,v)=F(u,v+N)=F(u+M,v+N)
f(x,y)=f(x+M,v)=f(x,y+N)=f(x+M,y+N)f(x,y) = f(x + M,v) = f(x,y+N) = f(x+M,y+N)f(x,y)=f(x+M,v)=f(x,y+N)=f(x+M,y+N)

离散傅立叶变换把原来的图像看成周期的二维离散函数

证明频率域的周期性:
频率域图像增强

3. 对称性

如果f(x,y)f(x,y)f(x,y)是实函数,它的傅立叶变换必然是对称的,即:

F(u,v)=F(u,v)F(u,v) = F^*(-u,-v)F(u,v)=F∗(−u,−v)

F(u,v)=F(u,v)|F(u,v)| = |F(-u,-v)|∣F(u,v)∣=∣F(−u,−v)∣

频率域图像增强

上一篇:selenium-浏览器操作封装


下一篇:<LandingSite>Focus Locator识别定位器ID