【OpenCV 完整例程】72. 一维离散傅里叶变换

【OpenCV 完整例程】72. 一维离散傅里叶变换

欢迎关注 『OpenCV 完整例程 100 篇』 系列,持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列,持续更新中

1.3 一维离散傅里叶变换

数字信号和数字图像都是采样得到的离散变量。

对原函数的变换取样后的数据

F ~ ( μ ) = ∫ − ∞ + ∞ f ~ ( t ) e − j 2 π μ t d t = ∫ − ∞ + ∞ ∑ n = − ∞ ∞ f ( t ) δ ( t − n Δ T ) e − j 2 π μ t d t = ∑ n = − ∞ ∞ ∫ − ∞ + ∞ f ( t ) δ ( t − n Δ T ) e − j 2 π μ t d t = ∑ n = − ∞ ∞ f n e − j 2 π μ n Δ T \begin{aligned} \tilde{F}(\mu) &= \int_{-\infty}^{+\infty} \tilde{f}(t) e^{-j 2 \pi \mu t} dt\\ &= \int_{-\infty}^{+\infty} \sum_{n=-\infty}^{\infty} f(t) \delta (t-n{\Delta T}) e^{-j 2 \pi \mu t} dt\\ &= \sum_{n=-\infty}^{\infty} \int_{-\infty}^{+\infty} f(t) \delta (t-n{\Delta T}) e^{-j 2 \pi \mu t} dt\\ &= \sum_{n=-\infty}^{\infty} f_n e^{-j 2 \pi \mu n{\Delta T}}\\ \end{aligned} F~(μ)=+f~(t)ej2πμtdt=+n=f(t)δ(tnΔT)ej2πμtdt=n=+f(t)δ(tnΔT)ej2πμtdt=n=fnej2πμnΔT

当取样频率为 μ = m / M Δ T \mu = m/M \Delta T μ=m/MΔT 时,可以得到离散傅里叶变换(DFT)和逆变换公式为:

F m = ∑ n = 0 M − 1 f n e − j   2 π μ m n / M , m = 0 , . . . M − 1 f n = 1 M ∑ m = 0 M − 1 F m e j   2 π μ m n / M , n = 0 , . . . M − 1 \begin{aligned} F_m &= \sum_{n=0}^{M-1} f_n e^{-j\ 2\pi \mu mn/M}, &m=0,...M-1\\ f_n &= \frac{1}{M} \sum_{m=0}^{M-1} F_m e^{j\ 2\pi \mu mn/M}, &n=0,...M-1 \end{aligned} Fmfn=n=0M1fnej 2πμmn/M,=M1m=0M1Fmej 2πμmn/M,m=0,...M1n=0,...M1

由于任何周期或非周期函数都可以表示为不同频率的正弦函数和余弦函数之和的形式,因此用傅里叶变换表示的函数特征完全可以通过傅里叶反变换来重建,而且不会丢失任何信息。这是频率域图像处理的数学基础。

离散傅里叶变换 是将离散信号分解为一系列离散三角函数分量,每个三角函数分量都有对应的幅值 A、频率 f 和相位 φ \varphi φ。通过所有分量叠加可以得到原离散信号。

在图像处理中,通常使用 x , y x, y x,y 表示离散的空间域坐标变量,用 u , v u,v u,v 表示离散的频率域变量。于是将一维离散傅里叶变换表示为:

F ( u ) = ∑ x = 0 M − 1 f ( x ) e − j   2 π u x / M , u = 0 , . . . M − 1 f ( x ) = 1 M ∑ u = 0 M − 1 F ( u ) e j   2 π u x / M , x = 0 , . . . M − 1 \begin{aligned} F(u) &= \sum_{x=0}^{M-1} f(x) e^{-j\ 2\pi u x/M}, &u=0,...M-1\\ f(x) &= \frac{1}{M} \sum_{u=0}^{M-1} F(u) e^{j\ 2\pi u x/M}, &x=0,...M-1 \end{aligned} F(u)f(x)=x=0M1f(x)ej 2πux/M,=M1u=0M1F(u)ej 2πux/M,u=0,...M1x=0,...M1


例程 8.6:一维离散傅里叶变换

    # 8.6:一维离散傅里叶变换
    # 生成方波信号
    N = 200
    t = np.linspace(-10, 10, N)
    dt = t[1] - t[0]
    sint = np.sin(t)
    sig = np.sign(sint)
    fig = plt.figure(figsize=(10, 4))
    plt.subplot(131), plt.title("source"), plt.xticks([]), plt.yticks([])
    plt.plot(t, sig)

    # 离散傅里叶变换
    fft = np.fft.fft(sig, N)  # 离散傅里叶变换
    fftshift = np.fft.fftshift(fft)  # 对称平移
    amp = abs(fftshift) / len(fft)  # 幅值
    pha = np.angle(fftshift)  # 相位
    fre = np.fft.fftshift(np.fft.fftfreq(d=dt, n=N))  # 频率
    plt.subplot(132), plt.title("DFT"), plt.xticks([]), plt.yticks([])
    plt.plot(t, fft)

    # 信号恢复
    recover = np.zeros(N)
    for a, p, f in zip(amp, pha, fre):
        sigCos = a * np.cos(2 * np.pi * f * np.arange(N) * dt + p)  # 根据幅度,相位,频率构造三角函数
        recover += sigCos  # 把这些三角函数都加起来

    plt.subplot(133), plt.title("recover"), plt.xticks([]), plt.yticks([])
    plt.plot(t, recover)
    plt.show()

【OpenCV 完整例程】72. 一维离散傅里叶变换_第1张图片



(本节完)


版权声明:

youcans@xupt 原创作品,转载必须标注原文链接

Copyright 2021 youcans, XUPT

Crated:2022-1-15


欢迎关注 『OpenCV 完整例程 100 篇』 系列,持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列,持续更新中

【OpenCV 完整例程】01. 图像的读取(cv2.imread)
【OpenCV 完整例程】02. 图像的保存(cv2.imwrite)
【OpenCV 完整例程】03. 图像的显示(cv2.imshow)
【OpenCV 完整例程】04. 用 matplotlib 显示图像(plt.imshow)
【OpenCV 完整例程】05. 图像的属性(np.shape)
【OpenCV 完整例程】06. 像素的编辑(img.itemset)
【OpenCV 完整例程】07. 图像的创建(np.zeros)
【OpenCV 完整例程】08. 图像的复制(np.copy)
【OpenCV 完整例程】09. 图像的裁剪(cv2.selectROI)
【OpenCV 完整例程】10. 图像的拼接(np.hstack)
【OpenCV 完整例程】11. 图像通道的拆分(cv2.split)
【OpenCV 完整例程】12. 图像通道的合并(cv2.merge)
【OpenCV 完整例程】13. 图像的加法运算(cv2.add)
【OpenCV 完整例程】14. 图像与标量相加(cv2.add)
【OpenCV 完整例程】15. 图像的加权加法(cv2.addWeight)
【OpenCV 完整例程】16. 不同尺寸的图像加法
【OpenCV 完整例程】17. 两张图像的渐变切换
【OpenCV 完整例程】18. 图像的掩模加法
【OpenCV 完整例程】19. 图像的圆形遮罩
【OpenCV 完整例程】20. 图像的按位运算
【OpenCV 完整例程】21. 图像的叠加
【OpenCV 完整例程】22. 图像添加非中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】24. 图像的仿射变换
【OpenCV 完整例程】25. 图像的平移
【OpenCV 完整例程】26. 图像的旋转(以原点为中心)
【OpenCV 完整例程】27. 图像的旋转(以任意点为中心)
【OpenCV 完整例程】28. 图像的旋转(直角旋转)
【OpenCV 完整例程】29. 图像的翻转(cv2.flip)
【OpenCV 完整例程】30. 图像的缩放(cv2.resize)
【OpenCV 完整例程】31. 图像金字塔(cv2.pyrDown)
【OpenCV 完整例程】32. 图像的扭变(错切)
【OpenCV 完整例程】33. 图像的复合变换
【OpenCV 完整例程】34. 图像的投影变换
【OpenCV 完整例程】35. 图像的投影变换(边界填充)
【OpenCV 完整例程】36. 直角坐标与极坐标的转换
【OpenCV 完整例程】37. 图像的灰度化处理和二值化处理
【OpenCV 完整例程】38. 图像的反色变换(图像反转)
【OpenCV 完整例程】39. 图像灰度的线性变换
【OpenCV 完整例程】40. 图像分段线性灰度变换
【OpenCV 完整例程】41. 图像的灰度变换(灰度级分层)
【OpenCV 完整例程】42. 图像的灰度变换(比特平面分层)
【OpenCV 完整例程】43. 图像的灰度变换(对数变换)
【OpenCV 完整例程】44. 图像的灰度变换(伽马变换)
【OpenCV 完整例程】45. 图像的灰度直方图
【OpenCV 完整例程】46. 直方图均衡化
【OpenCV 完整例程】47. 图像增强—直方图匹配
【OpenCV 完整例程】48. 图像增强—彩色直方图匹配
【OpenCV 完整例程】49. 图像增强—局部直方图处理
【OpenCV 完整例程】50. 图像增强—直方图统计量图像增强
【OpenCV 完整例程】51. 图像增强—直方图反向追踪
【OpenCV 完整例程】52. 图像的相关与卷积运算
【OpenCV 完整例程】53. Scipy 实现图像二维卷积
【OpenCV 完整例程】54. OpenCV 实现图像二维卷积
【OpenCV 完整例程】55. 可分离卷积核
【OpenCV 完整例程】56. 低通盒式滤波器
【OpenCV 完整例程】57. 低通高斯滤波器
【OpenCV 完整例程】58. 非线性滤波—中值滤波
【OpenCV 完整例程】59. 非线性滤波—双边滤波
【OpenCV 完整例程】60. 非线性滤波—联合双边滤波
【OpenCV 完整例程】61. 导向滤波(Guided filter)
【OpenCV 完整例程】62. 图像锐化——钝化掩蔽
【OpenCV 完整例程】63. 图像锐化——Laplacian 算子
【OpenCV 完整例程】64. 图像锐化——Sobel 算子
【OpenCV 完整例程】65. 图像锐化——Scharr 算子
【OpenCV 完整例程】66. 图像滤波之低通/高通/带阻/带通
【OpenCV 完整例程】67. 空间域图像增强的综合应用
【OpenCV 完整例程】68. 空间域图像增强的综合应用
【OpenCV 完整例程】69. 连续非周期信号的傅立叶系数
【OpenCV 完整例程】70. 一维连续函数的傅里叶变换
【OpenCV 完整例程】71. 连续函数的取样
【OpenCV 完整例程】72. 一维离散傅里叶变换

你可能感兴趣的:(OpenCV,完整例程,100,篇,opencv,python,图像处理,计算机视觉)