Question

傅里叶变换在图像处理中的应用

Answer 1

傅里叶变换在图像处理中的应用如下：

傅立叶变换在图像处理以下几个话题都有重要作用：

1.图像增强与图像去噪
绝大部分噪音都是图像的高频分量，通过低通滤波器来滤除高频——噪声;  边缘也是图像的高频分量，可以通过添加高频分量来增强原始图像的边缘。
2.图像分割之边缘检测
提取图像高频分量。
3.图像特征提取：
形状特征：傅里叶描述子。
纹理特征：直接通过傅里叶系数来计算纹理特征。
其他特征：将提取的特征值进行傅里叶变换来使特征具有平移、伸缩、旋转不变性。
4.图像压缩
可以直接通过傅里叶系数来压缩数据；常用的离散余弦变换是傅立叶变换的实变换。

傅立叶变换

傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。连续情况下要求原始信号在一个周期内满足绝对可积条件。离散情况下，傅里叶变换一定存在。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。
傅立叶变换有很多优良的性质。比如线性，对称性（可以用在计算信号的傅里叶变换里面）

时移性：函数在时域中的时移，对应于其在频率域中附加产生的相移，而幅度频谱则保持不变。

频移性：函数在时域中乘以e^jwt，可以使整个频谱搬移w。这个也叫调制定理，通讯里面信号的频分复用需要用到这个特性（将不同的信号调制到不同的频段上同时传输）。
卷积定理：时域卷积等于频域乘积；时域乘积等于频域卷积（附加一个系数）。（图像处理里面这个是个重点）