DFT 的计算 例:一维函数的四个采样值为 f(0)=2, f(1)=3, f(2)=f(3)=4。
好,我们 按标准 DFT 定义,完整、一步一步算一遍 这个例子。
一维离散函数的 4 个采样点 :
\[f(0)=2,\quad f(1)=3,\quad f(2)=4,\quad f(3)=4\]写成序列形式:
\[f[n] = [,2,;3,;4,;4,],\quad n=0,1,2,3\]记基本旋转因子:
\[W_4 = e^{-j\frac{2\pi}{4}} = e^{-j\frac{\pi}{2}} = -j\](也可以直接由 实信号共轭对称性 得到 (F(3)=\overline{F(1)}))
\(\boxed{ F = [;13,; -2 + j,; -1,; -2 - j;\) } $$
| k | F(k) | 含义 |
|---|---|---|
| 0 | 13 | 平均值(直流分量) |
| 1 | (-2 + j) | 低频分量 |
| 2 | (-1) | Nyquist 频率 |
| 3 | (-2 - j) | 与 k=1 对称的负频率 |
✔ 满足 实信号 DFT 的共轭对称性 : \(F(3) = \overline{F(1)}\)
对序列 (f=[2,3,4,4]) 进行 4 点 DFT,可得 \(F(0)=13,\quad F(1)=-2+j,\quad F(2)=-1,\quad F(3)=-2-j\) 其中 (F(0)) 为直流分量,其余为不同离散频率的复幅值。
如果你需要,我也可以:
利用像素点 $(x, y)$ 的 4 近领域(不包括该点)组成一个低通滤波器。 写出与它等价的频域滤波函数。
原始图像
\[f(x,y)\]滤波后的图像
\[g(x,y)\]用 4 个邻居平均
\[\boxed{ g(x,y) =\frac14\Big[ f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1) \Big] }\]傅里叶“平移公式”。如果 \(f(x,y) \xrightarrow{\mathcal{F}} F(u,v)\)
那么 \(f(x+a,y+b) \xrightarrow{\mathcal{F}} F(u,v)e^{j2\pi(\frac{au}{M}+\frac{bv}{N})}\)
对应到本题的 4 种情况:
| 空间域 | 频域 |
|---|---|
| $f(x+1,y)$ | $F(u,v)e^{j\frac{2\pi u}{M}}$ |
| $f(x-1,y)$ | $F(u,v)e^{-j\frac{2\pi u}{M}}$ |
| $f(x,y+1)$ | $F(u,v)e^{j\frac{2\pi v}{N}}$ |
| $f(x,y-1)$ | $F(u,v)e^{-j\frac{2\pi v}{N}}$ |
我们对 \(g(x,y) =\frac14[\cdots]\) 两边同时做傅里叶变换
左边:
\[g(x,y) \xrightarrow{\mathcal{F}} G(u,v)\]右边(逐项变换):
\[\begin{aligned} G(u,v) &=\frac14\Big[ F(u,v)e^{j\frac{2\pi u}{M}} +F(u,v)e^{-j\frac{2\pi u}{M}} \\ &\quad\quad +F(u,v)e^{j\frac{2\pi v}{N}} +F(u,v)e^{-j\frac{2\pi v}{N}} \Big] \end{aligned}\]把公共因子提出来, 你会发现 每一项都有 $F(u,v)$ :
\[\begin{aligned} G(u,v) &=F(u,v)\cdot \frac14\Big( e^{j\frac{2\pi u}{M}} +e^{-j\frac{2\pi u}{M}} \\ &\quad\quad +e^{j\frac{2\pi v}{N}} +e^{-j\frac{2\pi v}{N}} \Big) \end{aligned}\]这一步的意义是:
\[\boxed{ G(u,v)=F(u,v)\cdot H(u,v) }\]括号里的东西,就是 频域滤波器 $H(u,v)$。
根据公式:
\[\boxed{ e^{j\theta}+e^{-j\theta}=2\cos\theta }\]应用到这里:
\[\begin{aligned} H(u,v) &=\frac14\Big( 2\cos\frac{2\pi u}{M} +2\cos\frac{2\pi v}{N} \Big) \\ &=\boxed{ \frac12\Big( \cos\frac{2\pi u}{M} +\cos\frac{2\pi v}{N} \Big) } \end{aligned}\]最终答案
\[\boxed{ H(u,v)=\frac12\left( \cos\frac{2\pi u}{M} +\cos\frac{2\pi v}{N} \right) }\]并且
\[\boxed{ G(u,v)=F(u,v) H(u,v) }\]面向设备的色彩模型 RGB CMYK
面向色彩感知的色彩模型 HSI LAB
RGB 模型是基于仿生学原理,人的视网膜有三种细胞,分别对红、绿、蓝三种颜色敏感(其中绿色最敏感)。这三种颜色的光通过相加,可以混合出绝大部分肉眼能看到的颜色。 使用最广泛的色彩模型。非常适合在输出显示场合使用,如彩色电视机的显像管、计算机的显示器。
国际照度委员会规定 3 种基本色的波长为 R:700nm,G:546.1nm,B:435.8nm。
CMYK 色彩系统是一种用于印刷的模式,分别是指青(Cyan)、品红(Magenta)、黄(Yellow)和黑(Black)。
CMYK 模式在本质上与 RGB 颜色模式没有什么区别,只是产生色彩的原理不同。RGB 颜色合成是通过颜色相加。而 CMYK 是通过颜色相减产生其它颜色。 RGB 与 CMYK 没有一一对应的转换关系,转换过程会与显示器设置、印刷油墨设置以及分色设置有关。
在处理图像时,一般不采用 CMYK 模式,因为:①这种模式的图像文件占用的存储空间较大;②色域范围比 RGB 小得多。
亮度表示某种颜色在人眼视觉上引起的明暗程度,它由光的强度(能量)决定:光的强亮越大,景物就越亮;光的强度越小,景物就越暗。
对于灰度图象而言,亮度就是图像的灰度值。
色调(色相)表示光的颜色,它由光的波长决定。例如自然界中的七色光就分别对应着不同的色调,每种色调分别对应着不同的波长。
在通常的使用中,色调是由颜色名称标识的,比如红、橙或绿色。
饱和度指颜色的纯度(鲜艳程度),它由主波长的纯光谱色与白光的比例决定,也就是说,夹杂白光的多少。越接近光谱色、白光比例越小,则饱和度越高,色彩越鲜艳醒目;距离光谱色越远、白光比例越大,饱和度越低,色彩越平淡晦暗,越不鲜艳。 如对白光来讲,它的色饱和度为 0(没有色彩),纯色的色饱和度是 100%,指该彩色中不含白光。
最直观的色彩描述方法。用色调(Hue)、色饱和度(Saturation)和亮度(Intensity)来描述色彩。它与人类颜色视觉感知非常接近,但独立于设备(设备造不出来,仅存在于软件中)。
这个模型有两个特点:I 分量与图像的彩色信息无关;其二,H 和 S 分量与人感受颜色的方式是紧密相连的。这些特点使得 HSI 模型比 RGB 色彩空间更符合人的视觉特性,非常适合于借助人的视觉系统来感知彩色特性的图像处理算法。
一种能够描述颜色感觉的标准语言,能够用数学方法唯一精确定义颜色刺激所产生的感觉,这种模型就是 LAB 模型。
L 表示亮度,A 赋予了从红到绿的所有颜色,B 赋予了从黄到蓝的所有颜色,该模型覆盖了全部的可见光色谱。
该模型与设备无关(仅存在于数学 / 软件中)。 没有提供直接显示的格式,必须要转换到其它色彩空间来显示。