【OpenCV 例程200篇】72. 一维离散傅里叶变换
【OpenCV 例程200篇】72. 一維離散傅里葉變換
歡迎關注 『OpenCV 例程200篇』 系列,持續更新中
歡迎關注 『Python小白的OpenCV學習課』 系列,持續更新中
1.3 一維離散傅里葉變換
數字信號和數字圖像都是采樣得到的離散變量。
對原函數的變換取樣后的數據
F~(μ)=∫?∞+∞f~(t)e?j2πμtdt=∫?∞+∞∑n=?∞∞f(t)δ(t?nΔT)e?j2πμtdt=∑n=?∞∞∫?∞+∞f(t)δ(t?nΔT)e?j2πμtdt=∑n=?∞∞fne?j2πμnΔT\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)e?j2πμtdt=∫?∞+∞?n=?∞∑∞?f(t)δ(t?nΔT)e?j2πμtdt=n=?∞∑∞?∫?∞+∞?f(t)δ(t?nΔT)e?j2πμtdt=n=?∞∑∞?fn?e?j2πμnΔT?
當取樣頻率為 μ=m/MΔT\mu = m/M \Delta Tμ=m/MΔT 時,可以得到離散傅里葉變換(DFT)和逆變換公式為:
Fm=∑n=0M?1fne?j2πμmn/M,m=0,...M?1fn=1M∑m=0M?1Fmej2πμmn/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} Fm?fn??=n=0∑M?1?fn?e?j?2πμmn/M,=M1?m=0∑M?1?Fm?ej?2πμmn/M,?m=0,...M?1n=0,...M?1?
由于任何周期或非周期函數都可以表示為不同頻率的正弦函數和余弦函數之和的形式,因此用傅里葉變換表示的函數特征完全可以通過傅里葉反變換來重建,而且不會丟失任何信息。這是頻率域圖像處理的數學基礎。
離散傅里葉變換 是將離散信號分解為一系列離散三角函數分量,每個三角函數分量都有對應的幅值 A、頻率 f 和相位 φ\varphiφ。通過所有分量疊加可以得到原離散信號。
在圖像處理中,通常使用 x,yx, yx,y 表示離散的空間域坐標變量,用 u,vu,vu,v 表示離散的頻率域變量。于是將一維離散傅里葉變換表示為:
F(u)=∑x=0M?1f(x)e?j2πux/M,u=0,...M?1f(x)=1M∑u=0M?1F(u)ej2πux/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=0∑M?1?f(x)e?j?2πux/M,=M1?u=0∑M?1?F(u)ej?2πux/M,?u=0,...M?1x=0,...M?1?
例程 8.6:一維離散傅里葉變換
# 8.6:一維離散傅里葉變換# 生成方波信號N = 200t = 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)# 離散傅里葉變換fft = np.fft.fft(sig, N) # 離散傅里葉變換fftshift = np.fft.fftshift(fft) # 對稱平移amp = abs(fftshift) / len(fft) # 幅值pha = np.angle(fftshift) # 相位fre = np.fft.fftshift(np.fft.fftfreq(d=dt, n=N)) # 頻率plt.subplot(132), plt.title("DFT"), plt.xticks([]), plt.yticks([])plt.plot(t, fft)# 信號恢復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) # 根據幅度,相位,頻率構造三角函數recover += sigCos # 把這些三角函數都加起來plt.subplot(133), plt.title("recover"), plt.xticks([]), plt.yticks([])plt.plot(t, recover)plt.show()(本節完)
版權聲明:
youcans@xupt 原創作品,轉載必須標注原文鏈接
Copyright 2021 youcans, XUPT
Crated:2022-1-15
歡迎關注 『OpenCV 例程200篇』 系列,持續更新中
歡迎關注 『Python小白的OpenCV學習課』 系列,持續更新中
【OpenCV 例程200篇】01. 圖像的讀取(cv2.imread)
【OpenCV 例程200篇】02. 圖像的保存(cv2.imwrite)
【OpenCV 例程200篇】03. 圖像的顯示(cv2.imshow)
【OpenCV 例程200篇】04. 用 matplotlib 顯示圖像(plt.imshow)
【OpenCV 例程200篇】05. 圖像的屬性(np.shape)
【OpenCV 例程200篇】06. 像素的編輯(img.itemset)
【OpenCV 例程200篇】07. 圖像的創建(np.zeros)
【OpenCV 例程200篇】08. 圖像的復制(np.copy)
【OpenCV 例程200篇】09. 圖像的裁剪(cv2.selectROI)
【OpenCV 例程200篇】10. 圖像的拼接(np.hstack)
【OpenCV 例程200篇】11. 圖像通道的拆分(cv2.split)
【OpenCV 例程200篇】12. 圖像通道的合并(cv2.merge)
【OpenCV 例程200篇】13. 圖像的加法運算(cv2.add)
【OpenCV 例程200篇】14. 圖像與標量相加(cv2.add)
【OpenCV 例程200篇】15. 圖像的加權加法(cv2.addWeight)
【OpenCV 例程200篇】16. 不同尺寸的圖像加法
【OpenCV 例程200篇】17. 兩張圖像的漸變切換
【OpenCV 例程200篇】18. 圖像的掩模加法
【OpenCV 例程200篇】19. 圖像的圓形遮罩
【OpenCV 例程200篇】20. 圖像的按位運算
【OpenCV 例程200篇】21. 圖像的疊加
【OpenCV 例程200篇】22. 圖像添加非中文文字
【OpenCV 例程200篇】23. 圖像添加中文文字
【OpenCV 例程200篇】23. 圖像添加中文文字
【OpenCV 例程200篇】24. 圖像的仿射變換
【OpenCV 例程200篇】25. 圖像的平移
【OpenCV 例程200篇】26. 圖像的旋轉(以原點為中心)
【OpenCV 例程200篇】27. 圖像的旋轉(以任意點為中心)
【OpenCV 例程200篇】28. 圖像的旋轉(直角旋轉)
【OpenCV 例程200篇】29. 圖像的翻轉(cv2.flip)
【OpenCV 例程200篇】30. 圖像的縮放(cv2.resize)
【OpenCV 例程200篇】31. 圖像金字塔(cv2.pyrDown)
【OpenCV 例程200篇】32. 圖像的扭變(錯切)
【OpenCV 例程200篇】33. 圖像的復合變換
【OpenCV 例程200篇】34. 圖像的投影變換
【OpenCV 例程200篇】35. 圖像的投影變換(邊界填充)
【OpenCV 例程200篇】36. 直角坐標與極坐標的轉換
【OpenCV 例程200篇】37. 圖像的灰度化處理和二值化處理
【OpenCV 例程200篇】38. 圖像的反色變換(圖像反轉)
【OpenCV 例程200篇】39. 圖像灰度的線性變換
【OpenCV 例程200篇】40. 圖像分段線性灰度變換
【OpenCV 例程200篇】41. 圖像的灰度變換(灰度級分層)
【OpenCV 例程200篇】42. 圖像的灰度變換(比特平面分層)
【OpenCV 例程200篇】43. 圖像的灰度變換(對數變換)
【OpenCV 例程200篇】44. 圖像的灰度變換(伽馬變換)
【OpenCV 例程200篇】45. 圖像的灰度直方圖
【OpenCV 例程200篇】46. 直方圖均衡化
【OpenCV 例程200篇】47. 圖像增強—直方圖匹配
【OpenCV 例程200篇】48. 圖像增強—彩色直方圖匹配
【OpenCV 例程200篇】49. 圖像增強—局部直方圖處理
【OpenCV 例程200篇】50. 圖像增強—直方圖統計量圖像增強
【OpenCV 例程200篇】51. 圖像增強—直方圖反向追蹤
【OpenCV 例程200篇】52. 圖像的相關與卷積運算
【OpenCV 例程200篇】53. Scipy 實現圖像二維卷積
【OpenCV 例程200篇】54. OpenCV 實現圖像二維卷積
【OpenCV 例程200篇】55. 可分離卷積核
【OpenCV 例程200篇】56. 低通盒式濾波器
【OpenCV 例程200篇】57. 低通高斯濾波器
【OpenCV 例程200篇】58. 非線性濾波—中值濾波
【OpenCV 例程200篇】59. 非線性濾波—雙邊濾波
【OpenCV 例程200篇】60. 非線性濾波—聯合雙邊濾波
【OpenCV 例程200篇】61. 導向濾波(Guided filter)
【OpenCV 例程200篇】62. 圖像銳化——鈍化掩蔽
【OpenCV 例程200篇】63. 圖像銳化——Laplacian 算子
【OpenCV 例程200篇】64. 圖像銳化——Sobel 算子
【OpenCV 例程200篇】65. 圖像銳化——Scharr 算子
【OpenCV 例程200篇】66. 圖像濾波之低通/高通/帶阻/帶通
【OpenCV 例程200篇】67. 空間域圖像增強的綜合應用
【OpenCV 例程200篇】68. 空間域圖像增強的綜合應用
【OpenCV 例程200篇】69. 連續非周期信號的傅立葉系數
【OpenCV 例程200篇】70. 一維連續函數的傅里葉變換
【OpenCV 例程200篇】71. 連續函數的取樣
【OpenCV 例程200篇】72. 一維離散傅里葉變換
【OpenCV 例程200篇】73. 二維連續傅里葉變換
【OpenCV 例程200篇】74. 圖像的抗混疊
【OpenCV 例程200篇】75. Numpy 實現圖像傅里葉變換
【OpenCV 例程200篇】76. OpenCV 實現圖像傅里葉變換
【OpenCV 例程200篇】77. OpenCV 實現快速傅里葉變換
【OpenCV 例程200篇】78. 頻率域圖像濾波基礎
【OpenCV 例程200篇】79. 頻率域圖像濾波的基本步驟
【OpenCV 例程200篇】80. 頻率域圖像濾波詳細步驟
【OpenCV 例程200篇】81. 頻率域高斯低通濾波器
【OpenCV 例程200篇】82. 頻率域巴特沃斯低通濾波器
【OpenCV 例程200篇】83. 頻率域低通濾波:印刷文本字符修復
【OpenCV 例程200篇】84. 由低通濾波器得到高通濾波器
【OpenCV 例程200篇】85. 頻率域高通濾波器的應用
【OpenCV 例程200篇】86. 頻率域濾波應用:指紋圖像處理
【OpenCV 例程200篇】87. 頻率域鈍化掩蔽
【OpenCV 例程200篇】88. 頻率域拉普拉斯高通濾波
【OpenCV 例程200篇】89. 帶阻濾波器的傳遞函數
【OpenCV 例程200篇】90. 頻率域陷波濾波器
【OpenCV 例程200篇】91. 高斯噪聲、瑞利噪聲、愛爾蘭噪聲
【OpenCV 例程200篇】92. 指數噪聲、均勻噪聲、椒鹽噪聲
【OpenCV 例程200篇】93. 噪聲模型的直方圖
【OpenCV 例程200篇】94. 算術平均濾波器
【OpenCV 例程200篇】95. 幾何均值濾波器
【OpenCV 例程200篇】96. 諧波平均濾波器
【OpenCV 例程200篇】97. 反諧波平均濾波器
【OpenCV 例程200篇】98. 統計排序濾波器
【OpenCV 例程200篇】99. 修正阿爾法均值濾波器
【OpenCV 例程200篇】100. 自適應局部降噪濾波器
總結
以上是生活随笔為你收集整理的【OpenCV 例程200篇】72. 一维离散傅里叶变换的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 数据结构简单调试
- 下一篇: 【OpenCV 例程200篇】20. 图