a = magic(8); %生成一个矩阵
b = fft2(a); %二维傅里叶变换
二维傅里叶变换可以分离为两个一维傅里叶变换,先对矩阵的每一列做个一维傅里叶变换,然后对矩阵的每一行做个一维傅里叶变换。
我后来把他分开做的时候就是先做了一维列变换,发现生成的矩阵中实数和虚数都为0的很少,但是当做完一维行变换的时候为0的元素就多了很多。总的来说就是二维傅里叶变换后有很多数变为了0。
以我之前看其他东西的经验,好像图像经过二维傅里叶变换之后很多系数都会变为0。
想问下做过这块的朋友,这是什么原因?
11 个解决方案
#1
很多系数为0说明很多频率成分的能量为0.
以图像处理为例,说明图像的能量集中在少数频率成分上,
特别是低频成分上。
以图像处理为例,说明图像的能量集中在少数频率成分上,
特别是低频成分上。
#2
http://www.360doc.com/content/10/1027/18/4216651_64528710.shtml
看看有用不。
看看有用不。
#3
对图像进行二维傅里叶变换就是把像素信息从空间域变到频域
不存在的频率分量当然是0
你可以多找一些图
尤其是一些纯色的图做下实验
对比一下
不存在的频率分量当然是0
你可以多找一些图
尤其是一些纯色的图做下实验
对比一下
#4
对于你所说的不存在的频率分量当然是0?我不是很清楚你想表达的意思,分量为0应该是指此时的频率成分能量为0。在一维傅里叶变换中可以不可以这样理解,就是原始信号很平缓,就是没变!反应到我们的二维图像中,是不是就可以理解成因为图像大部分区域是平缓区域,所以导致了二维变换后大多数系数为0?
#5
能量为零?
能量应该是频域谱线下覆盖的面积吧
每一个频点对应的值应该是频谱密度
比如一个正弦信号
他的频率是2w
他的傅里叶变换就是在正负2w处的冲击
因为他不存在其他频率分量所以其它位置都为0
拿到傅里叶变换不应该这么理解么?
我参考的是高教社出版的郑君里教授的《信号与系统(第二版)》
能量应该是频域谱线下覆盖的面积吧
每一个频点对应的值应该是频谱密度
比如一个正弦信号
他的频率是2w
他的傅里叶变换就是在正负2w处的冲击
因为他不存在其他频率分量所以其它位置都为0
拿到傅里叶变换不应该这么理解么?
我参考的是高教社出版的郑君里教授的《信号与系统(第二版)》
#6
我想知道的是为什么大多数图像经过二维FFT后,系数大部分为0,从而可以达到压缩图像的目的,至于你说的信号处理里面它所表达的含义我不是很清楚!
#7
这与图像信号的自然特性有关,因为大部分图像信号的能量都集中在低频部分。
音频信号也有这个特点。
#8
原理就是这样了
图像中总会有大量重复的内容
通过傅里叶变换会把相同内容积累到相应频点上
而没有出现的频点就是0
#9
朋友你说的我可以不可以这样理解,大多数图像信号处于低频部分,所以不像边缘或者噪声那样处于高频地带,因而导致图像在二维傅里叶变换或者经过离散余弦变换后,导致很大一部分为0。
#10
是的,可以这么理解。这就是所谓的物理背景,或者说物理解释吧。
#11
tainanle
#1
很多系数为0说明很多频率成分的能量为0.
以图像处理为例,说明图像的能量集中在少数频率成分上,
特别是低频成分上。
以图像处理为例,说明图像的能量集中在少数频率成分上,
特别是低频成分上。
#2
http://www.360doc.com/content/10/1027/18/4216651_64528710.shtml
看看有用不。
看看有用不。
#3
对图像进行二维傅里叶变换就是把像素信息从空间域变到频域
不存在的频率分量当然是0
你可以多找一些图
尤其是一些纯色的图做下实验
对比一下
不存在的频率分量当然是0
你可以多找一些图
尤其是一些纯色的图做下实验
对比一下
#4
对于你所说的不存在的频率分量当然是0?我不是很清楚你想表达的意思,分量为0应该是指此时的频率成分能量为0。在一维傅里叶变换中可以不可以这样理解,就是原始信号很平缓,就是没变!反应到我们的二维图像中,是不是就可以理解成因为图像大部分区域是平缓区域,所以导致了二维变换后大多数系数为0?
#5
能量为零?
能量应该是频域谱线下覆盖的面积吧
每一个频点对应的值应该是频谱密度
比如一个正弦信号
他的频率是2w
他的傅里叶变换就是在正负2w处的冲击
因为他不存在其他频率分量所以其它位置都为0
拿到傅里叶变换不应该这么理解么?
我参考的是高教社出版的郑君里教授的《信号与系统(第二版)》
能量应该是频域谱线下覆盖的面积吧
每一个频点对应的值应该是频谱密度
比如一个正弦信号
他的频率是2w
他的傅里叶变换就是在正负2w处的冲击
因为他不存在其他频率分量所以其它位置都为0
拿到傅里叶变换不应该这么理解么?
我参考的是高教社出版的郑君里教授的《信号与系统(第二版)》
#6
我想知道的是为什么大多数图像经过二维FFT后,系数大部分为0,从而可以达到压缩图像的目的,至于你说的信号处理里面它所表达的含义我不是很清楚!
#7
这与图像信号的自然特性有关,因为大部分图像信号的能量都集中在低频部分。
音频信号也有这个特点。
#8
原理就是这样了
图像中总会有大量重复的内容
通过傅里叶变换会把相同内容积累到相应频点上
而没有出现的频点就是0
#9
朋友你说的我可以不可以这样理解,大多数图像信号处于低频部分,所以不像边缘或者噪声那样处于高频地带,因而导致图像在二维傅里叶变换或者经过离散余弦变换后,导致很大一部分为0。
#10
是的,可以这么理解。这就是所谓的物理背景,或者说物理解释吧。
#11
tainanle