Image processing 傅里叶变换-图像局部面片

Image processing 傅里叶变换-图像局部面片,image-processing,fft,wavelet,Image Processing,Fft,Wavelet,我仍然不清楚傅里叶变换。我知道它代表了图像的频率信息,我可以用傅里叶变换重建图像 比如说,我有一个图像I(x,y)。它的傅里叶变换是F(I)。我想重建图像中的一个小矩形区域,从(x1,y1)开始,到(x2,y2)结束,而不重建整个图像 是否可以从F(I)中仅重建一个小补丁?回答您的问题,是的,这是可能的;进行反向FFT,然后正常裁剪图像。如果这看起来像是一种逃避,那是因为你试图在频域中完成一项时域任务,这不是很自然的 如果你坚持在频域中进行计算,我认为你应该能够将图像相移到原点(x1+y1),然

我仍然不清楚傅里叶变换。我知道它代表了图像的频率信息,我可以用傅里叶变换重建图像

比如说,我有一个图像I(x,y)。它的傅里叶变换是F(I)。我想重建图像中的一个小矩形区域,从(x1,y1)开始,到(x2,y2)结束,而不重建整个图像


是否可以从F(I)中仅重建一个小补丁?

回答您的问题,是的,这是可能的;进行反向FFT,然后正常裁剪图像。如果这看起来像是一种逃避,那是因为你试图在频域中完成一项时域任务,这不是很自然的

如果你坚持在频域中进行计算,我认为你应该能够将图像相移到原点(x1+y1),然后逆FFT并丢弃外部样本(x2-x1,y2-y1)


基本问题是,在频域中,每个单元(或2D FFT的像素)在时域中表示整个图像的频率和相位。在频域中丢弃一个像素会导致整个图像的频率信息丢失,并且无法定位。

否,我建议您仔细阅读傅里叶变换:它们包含所有图像的信息。修改傅里叶图像的一部分可以对所有原始图像进行频率变换。