Image processing fft理解

有人能很好地解释FFT图像变换吗 如何分析FFT变换后的图像及其Re^2+Im^2图像？

---

我只是想在查看图像及其频率时了解一些东西。

编辑：这里有一个很好的概念介绍

这个问题背后有一点数学知识。简单地说，考虑一个1-D函数，例如音频剪辑。傅里叶变换识别信号中存在的频率。原始音频剪辑中的每个样本都与任意给定时间点的声波振幅相关。相反，傅里叶变换中的每个样本识别特定振荡频率的振幅。例如，1 kHz的纯正弦波将进行傅里叶变换，在1 kHz标记处有一个尖峰。音频波是许多不同正弦波的组合，傅里叶变换可以确定哪些正弦波起作用以及作用的大小。（请注意，真正的解释需要深入研究复数，但前面给出了所发生事情的本质）

图像的傅里叶变换是一维傅里叶变换到二维的简单扩展，通过简单地将一维变换应用于图像的每一行，然后变换结果图像的每一列来实现。它产生了本质上相同的东西。平滑水波沿对角线方向传播的图像将沿同一对角线转化为一系列尖峰

---

傅里叶变换是在连续函数上定义的。FFT是一种有效评估离散数据集上傅里叶变换的技术。

在他的博客上已经讨论了一段时间的傅里叶变换-你应该去看看。

回答得好-可能还值得解释图像中空间频率的概念，以及2D FFT相位和幅度的解释。谢谢你的建议，@Paul。我没有再夸大答案，而是找到了一个很好的链接。+1，很好的答案，我只是想补充一点，FFT是一种有效计算DFT的算法。更多关于DFT的信息：@Marcelo:good link-大量的实际例子，而不是通常的枯燥的数学处理这是一个很好的链接。我总是发现傅里叶变换在应用于时间信号（如音频或机械振动）时相对容易理解，但在图像中很难理解。我没想到这其实很简单。迁移到dsp.stackexchange？