23.1 傅里叶变换 目标 本小节我们将要学习： • 使用 OpenCV 对图像进行傅里叶变换 • 使用 Numpy 中 FFT（快速傅里叶变换）函数 • 傅里叶变换的一些用处 • 我们将要学习的函数有：cv2.dft()，cv2.idft() 等 原理 傅里叶变换经常被用来分析不同滤波器的频率特性。我们可以使用 2D 离 散傅里叶变换 (DFT) 分析图像的频域特性。实现 DFT 的一个快速算法被称为 快速傅里叶变换（FFT）。关于傅里叶变换的细节知识可以在任意一本图像处 理或信号处理的书中找到。请查看本小节中更多资源部分。 对于一个正弦信号：x (t) = A sin (2πft), 它的频率为 f，如果把这个信号 转到它的频域表示，我们会在频率 f 中看到一个峰值。如果我们的信号是由采 样产生的离散信号好组成，我们会得到类似的频谱图，只不过前面是连续的， 现在是离散。你可以把图像想象成沿着两个方向采集的信号。所以对图像同时 进行 X 方向和 Y 方向的傅里叶变换，我们就会得到这幅图像的频域表示（频谱 图）。 更直观一点，对于一个正弦信号，如果它的幅度变化非常快，我们可以说 他是高频信号，如果变化非常慢，我们称之为低频信号。你可以把这种想法应 用到图像中，图像那里的幅度变化非常大呢？边界点或者噪声。所以我们说边 界和噪声是图像中的高频分量（注意这里的高频是指变化非常快，而非出现的 次数多）。如果没有如此大的幅度变化我们称之为低频分量。 现在我们看看怎样进行傅里叶变换。 23.1.1 Numpy 中的傅里叶变换 首先我们看看如何使用 Numpy 进行傅里叶变换。Numpy 中的 FFT 包 可以帮助我们实现快速傅里叶变换。函数 np.fft.fft2() 可以对信号进行频率转 换，输出结果是一个复杂的数组。本函数的第一个参数是输入图像，要求是灰 度格式。第二个参数是可选的, 决定输出数组的大小。输出数组的大小和输入图 像大小一样。如果输出结果比输入图像大，输入图像就需要在进行 FFT 前补 0。如果输出结果比输入图像小的话，输入图像就会被切割。 146 www.linuxidc.com

所谓自动聚焦技术，就是利用自动化技术使一个光学成像系统在成像的时候能自动地调节，使图像传感器能达到最佳的聚焦位置，使图像最清晰。在自动聚焦系统中，数字摄像头采集观察目标的图像，传送给计算机，然后对图像中部分区域使用清晰度评价函数进行评价，根据计算结果对执行机构进行控制，使图像传感器进行移动，以此来获得更加准确的、聚焦程度更高的清晰图像。 将数字图像经傅里叶变换后得到频谱图，计算频谱图中的高频分量，以此作为图像清晰程度的判据

对8位、24位bmp图像进行基2FFT，包括选择通道。

在这个压缩文件中包含了一个FFT类以及一个复数类，实现了快速傅里叶变换及其反变换（FFT和IFFT）以及复数的运算。综合考虑各细节使碟形算法达到最高的效率。头文件中还包括了FFT类的使用方法。 此算法的准确性经过多人多次验证，已是毋庸置疑了。上传此文件是希望帮助正在学习的同志加速开发，以及希望高手们看完后不吝赐教。

周期延拓 的大小为 的大小为

快速傅立叶变换(FFT)作为时域和频域转换的基本运算，是数字谱分析的必要前提。传统的FFT使用软件或DSP实现，高速处理时实时性较难满足。FPGA是直接由硬件实现的，其内部结构规则简单，通常可以容纳很多相同的运算单元，因此FPGA在作指定运算时，速度会远远高于通用的DSP芯片。FFT运算结构相对比较简单和固定，适于用FPGA进行硬件实现，并且能兼顾速度及灵活性。本文介绍了一种通用的可以在FPGA上实现32点FFT变换的方法。

离散傅里叶变换离散傅里叶变换离散傅里叶变换离散傅里叶变换离散傅里叶变换离散傅里叶变换离散傅里叶变换离散傅里叶变换离散傅里叶变换离散傅里叶变换离散傅里叶变换离散傅里叶变换离散傅里叶变换离散傅里叶变换

4、傅里叶变换去噪 一般而言，真实信号的频率较低，而噪声的频率比较高。傅立叶变换可以将信号中不同频率的波形分解成不同频率的三角波，表示为某个频率对应某个幅值。 最简单的傅立叶变换滤波就是将高于某个设定值的频率对应的幅值改为0，然后重构原信号，即达到滤波效果。 另外由于大部分噪声是加性噪声才这么做的，因为傅立叶变换是一种线性变换。

为了在弱光条件下由光场的强度分布求得其相位分布，利用分数阶傅里叶变换与光学系统之间的关系，基于Gerchberg-Saxton算法研究了Zernike相差的恢复问题，并进行了数值模拟。通过研究分数阶傅里叶变换与菲涅耳衍射之间的关系，改进了Lohmann光学系统；基于小波理论初步分析了菲涅耳近场与远场输出面对高频和低频成分恢复效果的影响。数值模拟结果表明该算法有良好的收敛性和恢复精度，均方根误差(RMSE)值均保持在0.15λ(λ为光波长)以下，且位于菲涅耳衍射近场的输出面对相位的高频部分恢复效果较好，位于远场的输出面对低频部分恢复效果较好。

matlab中短时傅里叶变换时频分析工具箱