二维离散傅立叶变换.docx
《二维离散傅立叶变换.docx》由会员分享,可在线阅读,更多相关《二维离散傅立叶变换.docx(8页珍藏版)》请在冰豆网上搜索。
二维离散傅立叶变换
图像的二维离散傅立叶变换
一、实验目的
掌握图像的二维离散傅立叶变换以及性质
二、实验要求
1)建立输入图像,在6464的黑色图像矩阵的中心建立1616的白色矩形图像点阵,形成图像文件。
对输入图像进行二维傅立叶变换,将原始图像及变换图像(三维、
中心化)都显示于屏幕上。
2)调整输入图像中白色矩形的位置,再进行变换,将原始图像及变换图像(三维、中
心化)都显示于屏幕上,比较变换结果。
3)调整输入图像中白色矩形的尺寸(4040,44),再进行变换,将原始图像及变
换图像(三维、中心化)都显示于屏幕上,比较变换结果。
三、实验仪器设备及软件
HPD538、MATLAB
四、实验原理
设f(x,y)是在空间域上等间隔采样得到的MXN的二维离散信号,x和y是离散
实变量,u和V为离散频率变量,则二维离散傅里叶变换对一般地定义为
1心N_!
xUyU
F(U'V^MNX;y.f(X'y)eXPHj2(MEU□,…,M「;y=0,1,…N-1
在图像处理中,有事为了讨论上的方便,取M=N,这样二维离散傅里叶变换对就
定义为F(u,v)二丄;二f(x,y)exp[-j2"xuyu)],u,v=0,1…,N-1
Nx=0y=0
其中,exp[-j2二(xuyv)/N]是正变换核,exp[j2(uxvy)/N]是反变换核。
将二维离散傅里叶变换的频谱的平方定义为f(x,y)的功率谱,记为
P(u,v)=|F(u,v)|2二R2(u,v)l2(u,v)
功率谱反映了二维离散信号的能量在空间频率域上的分布情况。
五、实验步骤及程序
(1)实验步骤
1、建立一个64X64的原始图像,在矩阵的中心建立1616的白色矩形图像点阵,形成图像文件。
2、对输入图像进行二维傅立叶变换
3、进行频谱中心化,得到中心化傅立叶频谱图
4、将原始图像及变换图像(三维、中心化)都显示于屏幕上,比较变换结果。
5、调整输入图像中白色矩形的位置,再进行变换,输出图像
6、调整输入图像中白色矩形的尺寸(4040,44),再进行变换,输出图像
(2)图像的二维离散傅立叶变换实验流程图
图1.1图像的二维离散傅立叶变换实验流程图
(3)实验源程序
1、将原始图像及变换图像都显示于屏幕上的程序
clear
%原始图象
f=zeros(64,64);%俞入64*64的黑色图像矩阵
f(25:
40,25:
40)=1;%建立16*16的白色矩行图像点阵
figure
(1);
subplot(231),imshow(f);
title('原始图像')%显示原图像
F=fft2(f);%傅立叶变换
subplot(232)imshow(abs(F));title(F2=fftshift(abs(F));subplot(233);imshow(abs(F2));title(x=1:
64;
y=1:
64;
subplot(234);mesh(abs(real(F)));title(subplot(235)
'傅里叶变换图像');%显示傅里叶变换图像
%频谱中心化
'中心化傅里叶频谱图');%显示中心化傅里叶频谱图
'三维频谱图');%显示三维频谱图
mesh(x,y,F2(x,y));
title('FFT')
2、调整输入图像中白色矩形的位置,再进行变换后的程序
clear
%原始图象
f=zeros(64,64);%输入64*64的黑色图像矩阵
f(47:
63,47:
63)=1;%建立16*16的白色矩行图像点阵
figure
(1);
subplot(231),imshow(f);
title('原始图像')%显示原图像
F=fft2(f);%傅立叶变换
subplot(232)imshow(abs(F));title(F2=fftshift(abs(F));subplot(233);imshow(abs(F2));title(x=1:
64;
y=1:
64;subplot(234);mesh(abs(real(F)));title(subplot(235)
'傅里叶变换图像');%显示傅里叶变换图像
%频谱中心化
'中心化傅里叶频谱图');%显示中心化傅里叶频谱图
'三维频谱图');%显示三维频谱图
mesh(x,y,F2(x,y));
title('FFT')
3、整输入图像中白色矩形的尺寸(4040,44),再进行变换的程序
40X40
clear
%原始图象
f=zeros(64,64);%输入64*64的黑色图像矩阵
f(13:
52,13:
52)=1;%建立16*16的白色矩行图像点阵
figure
(1);
subplot(231),imshow(f);
title('原始图像')%显示原图像
F=fft2(f);%傅立叶变换
subplot(232)imshow(abs(F));title(F2=fftshift(abs(F));subplot(233);imshow(abs(F2));title(x=1:
64;
y=1:
64;
subplot(234);mesh(abs(real(F)));title(subplot(235)mesh(x,y,F2(x,y));
title('FFT')
4X4
'傅里叶变换图像');%显示傅里叶变换图像
%频谱中心化
'中心化傅里叶频谱图');%显示中心化傅里叶频谱图
'三维频谱图');%显示三维频谱图
clear
%原始图象
f=zeros(64,64);%输入64*64的黑色图像矩阵
f(13:
52,13:
52)=1;%建立16*16的白色矩行图像点阵
figure
(1);
subplot(231),imshow(f);
title('原始图像')%显示原图像
F=fft2(f);%傅立叶变换
subplot(232)
imshow(abs(F));title(
F2=fftshift(abs(F));subplot(233);imshow(abs(F2));title(x=1:
64;
y=1:
64;subplot(234);mesh(abs(real(F)));title(subplot(235)mesh(x,y,F2(x,y));
title('FFT')
'傅里叶变换图像');%显示傅里叶变换图像
%频谱中心化
'中心化傅里叶频谱图');%显示中心化傅里叶频谱图
'三维频谱图');%显示三维频谱图
六、实验结果与分析
三维频谙團FFT
0000
图1.2将原始图像及变换图像都显示的实验图像
原始團像
傅里叶变换图像
中心化傅里叶频谱團
三维频谙图
400.:
:
:
二■■:
■_"
2血
图1.3调整输入图像中白色矩形的位置,再进行变换后的实验图像
三维频谱團FFT
0000
图1.4调整输入图像中白色矩形的尺寸(
4040),再进行变换的实验图像
原始團像傅里叶变换图像
■#
中心化傅里叶频谱團
三维频谱图FFT
0000
图1.5整输入图像中白色矩形的尺寸(44),再进行变换的实验图像
1傅里叶频谱的低频主要决定图像的平坦区域中灰度的总体分布,而高频主要决定于图像
的边缘和噪声等细节。
按照图像空间域和频率域的对应关系,空域中的强相关性,即由于图
像中存在大量的平坦区域,使得图像中的相邻或相近像素一般趋向于取相同的灰度值,反映
在频率域中,就是图像的能量主要集中于低频部分。
因此在三维频谱图中可以清楚地看出原
图像的频谱中的较大值集中于四个角的低频部分。
原图像的频谱图不能明显地反映图像的完
整频谱。
经过中心化后可以看出频谱中的较大值集中在中心。
可以很好地反映出图像的完整
频谱。
2、基于傅里叶变换的周期性及平移特性,图1.2是经过平移后的图像,通过图1.2和图1.3
对比可以证明傅里叶变换的周期性及平移特性。
3、通过图1.4和图1.5的对比可以看出图1.4的较大值更加集中。
图1.5在最大值旁还有较大值伴随。
七、实验心得
通过本次实验是我对于图像的二维傅里叶变换有了更好地理解,对于傅里叶变换的周期
性和平移特性更加直观的学习到了。
傅里叶变换后图像的优点和不足也有了深刻地了解,通
过图像的中心化可以更好地反映出图像的完整频谱。