|
2303077: 你可能受波动光学中的富氏变换影响太深的缘故,所以始终在图像的富氏变换上转不过弯。 为了理解图像的概念,你可以先从最最简单的图像从手来理解。现在我们假设有一行像素的灰度图像(譬如一幅分辨率为1024X768图像中的任意一行),1024个像素的灰度值是彼此有起伏的(范围为0~255),以像素作为自变量x,以像素的灰度值作为函数f(x)。f(x)当然是自变量x的函数,这是空间意义上的函数关系,由于自变量x是离散的,因此函数f(x)也是离散的。 显然,用一维离散富氏变换就可以对空间域的函数f(x)进行变换运算,得到函数的频域特征。而对于一幅图像,例如刚刚举例的1024X768图像,它就是一个像素灰度f(x,y)与行(x)、列(y)构成二维的离散函数,用二维离散富氏变换,一切OK! 至于你所说的频率与图像的关系,我列举以下几个现象,也许有助于你的理解: 1)高频成分表征图像的细节,低频成分表征图像的轮廓。一幅完全白色或者完全黑色的图像,富氏变换的结果是只有基频分量。 2) 同样一个场景的拍摄的图像,清晰的图像与模糊的图像的区别在于:前者的高频成分多于后者。 3) 如果你对一幅清晰的图像进行富氏变换之后,把频率分量的高频成分去掉之后再作富氏反变换,得到的图像就会变得模糊——高频成分取出得越多越模糊。 |