一.实验目的
1了解图像变换的意义和手段;
2熟悉傅立叶变换的基本性质;
3熟练掌握FFT变换方法及应用;
4通过实验了解二维频谱的分布特点;
5通过本实验掌握利用MATLAB编程实现数字图像的傅立叶变换。
6评价人眼对图像幅频特性和相频特性的敏感度。
二.实验内容:
1. 将图像内容读入内存;
2. 用Fourier变换算法,对图像作二维Fourier变换;
3. 将其幅度谱进行搬移,在图像中心显示;
4. 用Fourier系数的幅度进行Fourier反变换;
5. 用Fourier系数的相位进行Fourier反变换;
6. 比较4、5的结果,评价人眼对图像幅频特性和相频特性的敏感度。
7. 记录和整理实验报告。
三.实验程序、实验结果与实验分析:
1.实验程序
I = imread('Lenna.jpg');
I_gray = rgb2gray(I);
figure;
subplot(2, 2, 1);
imshow(I);
title('原始图像');
F = fft2(double(I_gray));
F_shifted = fftshift(F);
amplitude_spectrum = log(1 + abs(F_shifted));
subplot(2, 2, 2);
imshow(amplitude_spectrum, []);
title('幅度谱');
reconstructed_amplitude = ifft2(abs(F));
reconstructed_phase = ifft2(exp(1i * angle(F)));
subplot(2, 2, 3);
imshow(mat2gray(abs(reconstructed_amplitude)));
title('使用幅度谱的反变换结果');
subplot(2, 2, 4);
imshow(mat2gray(abs(reconstructed_phase)));
title('使用相位谱的反变换结果');
2.实验结果
3.实验分析
①读取图像,转换为灰度图像以简化处理
I = imread('Lenna.jpg');
I_gray = rgb2gray(I);
②用Fourier变换算法对图像作二维Fourier变换
F = fft2(double(I_gray));
③将幅度谱进行搬移,在图像中心显示
F_shifted = fftshift(F);
amplitude_spectrum = log(1 + abs(F_shifted));
④显示幅度谱
subplot(2, 2, 2);
imshow(amplitude_spectrum, []);
title('幅度谱');
⑤用Fourier系数的幅度进行Fourier反变换
reconstructed_phase = ifft2(exp(1i * angle(F)));
⑥用Fourier系数的相位进行Fourier反变换
reconstructed_phase = ifft2(exp(1i * angle(F)));
⑦显示幅度谱反变换结果
subplot(2, 2, 3);
imshow(mat2gray(abs(reconstructed_amplitude)));
title('使用幅度谱的反变换结果');
⑧显示相位谱反变换结果
subplot(2, 2, 4);
imshow(mat2gray(abs(reconstructed_phase)));
title('使用相位谱的反变换结果');
四.思考题
1.傅里叶变换有哪些重要的性质?
- 线性性:傅里叶变换是线性的,即对于任意标量α和β以及函数f(x)和g(x),有F(αf(x) + βg(x)) = αF(f(x)) + βF(g(x))。
- 平移性:如果f(x)的傅里叶变换是F(u),则f(x - x0)的傅里叶变换是F(u) * exp(-i2πux0)。
- 对称性:实函数的傅里叶变换具有对称性,即实函数的傅里叶变换的实部是偶函数,虚部是奇函数。
- 频率域的微分:对于函数f(x)和其傅里叶变换F(u),其导数在频率域上的傅里叶变换是iuF(u)。
- 卷积定理:傅里叶变换将卷积操作转换为点乘操作,即f(x) * g(x)的傅里叶变换是F(u)G(u)。
2.图像的二维频谱在显示和处理时应注意什么?
- 频率域中心化:在显示二维频谱时,通常会对其进行中心化处理,以使低频成分位于图像中心,而高频成分位于图像边缘。这有助于更直观地理解图像的频率特性。
- 对数变换:频谱的幅度经常采用对数变换进行显示,以增强低幅度的频率分量,使其更易于观察。
- 振铃效应:频谱显示中的振铃效应可能会影响图像的解释。这是由于在图像边界处存在突变,导致频谱中的高频成分较多。在处理图像时,应该注意这种效应,以避免不必要的影响。
- 信息丢失:频谱显示通常只显示了频率分量,而丢失了图像的空间信息。因此,在处理图像时,必须考虑到这一点,以确保不会丢失关键的空间信息。