将原标题改写为:中心化二维傅里叶变换频振图
最编程
2024-08-14 13:42:19
...
前言
在利用二维傅里叶变换生成的"频振图"(频率-振幅)进行滤波时,正变换之后要多加一步操作,方便后面滤波的处理的!这一步就是:中心化。
中心化
原来的频振图是散乱分布的,做了中心化后,图像的中心是"频率和振幅最小"的地方,越远离中心点,"频率和振幅越大"。Matlab中实现中心化非常简单,一条命令搞定:
zidai = fft2(data);
zidai = fftshift(zidai); % matlab自带的中心化函数
下面三张图是原始图、非中心化频振图、中心化频振图:
后面的频域滤波处理,都是针对"中心化"的图像进行的。
补充"手写与自带"的中心化程序:
clc; clear;
data = imread('zxc.jpg'); % 数据——最好比卷积核的尺寸大
data = im2double(data);
data = rgb2gray(data); % rgb转为灰度图像
subplot(1,3,1);
imshow(data);
title('原始图像')
zidai = fft2(data);
zidai = fftshift(zidai); % matlab自带的中心化函数
subplot(1,3,2);
imshow(log(abs(zidai) + 1),[]); % 中心化的图像显示方式
title('自带的fft2生成的"中心化频域"图像');
size_data = size(data);
M = size_data(1); % 图(原始数据矩阵)的长
N = size_data(2); % 图(原始数据矩阵)的宽
% 下面是傅里叶正变换必备的一些矩阵:
Wm = exp(-j*2*pi/M);
Wn = exp(-j*2*pi/N); % 不同G中用不同的W
Em = zeros(M);
En = zeros(N); % E是辅助计算矩阵
Gm = zeros(M)+Wm;
Gn = zeros(N)+Wn; % G是计算时要用的矩阵
F = zeros(M,N); % F是转换到频域的结果
% 对Gm的计算: 循环长度为M
fprintf('二维离散傅里叶变换开始:\n');
for row = 0:M-1
for col = 0:M-1
Em(row+1,col+1) = row * col;
Gm(row+1,col+1) = Gm(row+1,col+1)^Em(row+1,col+1);
end
end
% 对Gn的计算: 循环长度为N
for row = 0:N-1
for col = 0:N-1
En(row+1,col+1) = row * col;
Gn(row+1,col+1) = Gn(row+1,col+1)^En(row+1,col+1);
end
end
% 傅里叶谱中心化的处理: 下面是必备的一些矩阵
Wxy = -1;
Exy = zeros(M,N);
C = zeros(M,N)+Wxy;
for row = 1:M
for col = 1:N
Exy(row,col) = row+col;
C(row,col) = C(row,col)^Exy(row,col);
end
end
F = real(Gm*(data.*C)*Gn); % F = Gm*f*Gn是计算公式,一般只要实部
subplot(1,3,3);
imshow(log(abs(F) + 1),[]);
title('手写的myfft2生成的"中心化频域"图像');
error = sum(sum((real(F)-real(zidai)).^2));
if error < 10^(-10)
fprintf('自带的中心化结果与手写结果一致!\n');
else
fprintf('不一致!\n');
end
下一篇: 雷达Lfm信号分析的重新表述方法