首页 > 其他分享 >数字图像处理 第四章 频率滤波(上)

数字图像处理 第四章 频率滤波(上)

时间:2024-08-03 10:53:33浏览次数:8  
标签:infty 变换 数字图像处理 delta 滤波 mu 取样 傅里叶 第四章

在这里插入图片描述

文章目录

一、背景 P124 - 125

  • 傅里叶指出,任何周期函数都可以表示为不同频率的正弦和/或余弦之和的形式,每个正弦项和/或余弦项都乘以不同的系数(现在称为傅里叶级数)
  • 对于非周期函数,也可以正弦和/或余弦乘以加权函数的积分来表示。在这种情况下的公式就是傅里叶变换

二、基本概念 P125 - 130

2.1 复数 P125 - P126

  • 复数
    C = R + j I C = R + jI C=R+jI
  • 极坐标表示复数
    c = ∣ c ∣ ( c o s θ + j s i n θ ) c =\vert{c}\vert(cos\theta + jsin\theta) c=∣c∣(cosθ+jsinθ)
  • 欧拉公式
    e j θ = c o s θ + s i n θ e^{j\theta} = cos\theta + sin\theta ejθ=cosθ+sinθ
  • 欧拉公式变换后的极坐标表示复数
    c = ∣ c ∣ e j θ c =\vert{c}\vert e^{j\theta} c=∣c∣ejθ

2.2 傅里叶级数 P126

f ( t ) = ∑ n = − ∞ ∞ c n e j 2 π n T t f(t) = \displaystyle\sum_{n=-\infty}^\infty c_ne^{j\frac{2\pi n}{T}t} f(t)=n=−∞∑∞​cn​ejT2πn​t
式中,
c n = 1 T ∫ − T 2 T 2 f ( t ) e − j 2 π n T t d t , n = 0 , ± 1 , ± 2 , ± 3 c_n = \frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}f(t)e^{-j\frac{2\pi n}{T}t}dt,n = 0,\pm1,\pm2,\pm3 cn​=T1​∫−2T​2T​​f(t)e−jT2πn​tdt,n=0,±1,±2,±3


2.3 冲激及其取样特性 P126 - P128

  • 连续函数的冲激取样
    ① δ ( t ) = { ∞ , t = 0 0 , t ≠ 0 \delta(t) = \begin{cases} \infty,t = 0\\ 0,t ≠ 0\\ \end{cases} δ(t)={ ∞,t=00,t=0​
    ② ∫ − ∞ ∞ δ ( t ) d t = 1 \int_{-\infty}^{\infty}\delta(t)dt = 1 ∫−∞∞​δ(t)dt=1
    ③ ∫ − ∞ ∞ f ( t ) δ ( t ) d t = f ( 0 ) \int_{-\infty}^{\infty}f(t)\delta(t)dt = f(0) ∫−∞∞​f(t)δ(t)dt=f(0)
    ④ ∫ − ∞ ∞ f ( t ) δ ( t − t 0 ) d t = f ( t 0 ) \int_{-\infty}^{\infty}f(t)\delta(t - t_0)dt = f(t_0) ∫−∞∞​f(t)δ(t−t0​)dt=f(t0​)
  • 离散函数的冲激取样
    ① δ ( x ) = { ∞ , x = 0 0 , x ≠ 0 \delta(x) = \begin{cases} \infty,x = 0\\ 0,x ≠ 0\\ \end{cases} δ(x)={ ∞,x=00,x=0​
    ② ∑ x = − ∞ ∞ δ ( x ) = 1 \displaystyle\sum_{x=-\infty}^{\infty}\delta(x) = 1 x=−∞∑∞​δ(x)=1
    ③ ∑ x = − ∞ ∞ f ( x ) δ ( x ) = f ( 0 ) \displaystyle\sum_{x=-\infty}^{\infty}f(x)\delta(x) = f(0) x=−∞∑∞​f(x)δ(x)=f(0)
    ④ ∑ x = − ∞ ∞ f ( x ) δ ( x − x 0 ) = f ( x 0 ) \displaystyle\sum_{x=-\infty}^{\infty}f(x)\delta(x - x_0) = f(x_0) x=−∞∑∞​f(x)δ(x−x0​)=f(x0​)
  • 冲激串
    s △ T ( t ) = ∑ x = − ∞ ∞ δ ( t − n △ T ) s_{\triangle T}(t) = \displaystyle\sum_{x=-\infty}^{\infty}\delta(t-n\triangle T) s△T​(t)=x=−∞∑∞​δ(t−n△T)
    在这里插入图片描述

2.4 连续变量函数的傅里叶变换 P128 - P130

  • f(t)的傅里叶变换(FT)
    F ( μ ) = ℑ { f ( t ) } = ∫ − ∞ ∞ f ( t ) e − j 2 π μ t d t F(\mu) = \Im\{f(t)\} = \int_{-\infty}^{\infty}f(t)e^{-j2\pi \mu t}dt F(μ)=ℑ{ f(t)}=∫−∞∞​f(t)e−j2πμtdt
  • F ( μ ) F(\mu) F(μ)的傅里叶反变换(IFT)
    f ( t ) = ℑ − 1 { F ( μ ) } = ∫ − ∞ ∞ F ( μ ) e j 2 π μ t d μ f(t) = \Im^{-1}\{F(\mu)\} = \int_{-\infty}^{\infty}F(\mu)e^{j2\pi \mu t}d\mu f(t)=ℑ−1{ F(μ)}=∫−∞∞​F(μ)ej2πμtdμ

2.5 卷积 P130 - P131

  • 卷积公式
    f ( t ) ⊗ h ( t ) = ∫ − ∞ ∞ f ( τ ) h ( t − τ ) d τ f(t)\otimes h(t) = \int_{-\infty}^{\infty}f(\tau)h(t - \tau)d\tau f(t)⊗h(t)=∫−∞∞​f(τ)h(t−τ)dτ
  • (一维)卷积定理
    ① f ( t ) ⊗ h ( t ) ⇐ ⇒ H ( μ ) F ( μ ) f(t)\otimes h(t) \Leftarrow\Rightarrow H(\mu)F(\mu) f(t)⊗h(t)⇐⇒H(μ)F(μ)
    ② f ( t ) h ( t ) ⇐ ⇒ H ( μ ) ⊗ F ( μ ) f(t)h(t) \Leftarrow\Rightarrow H(\mu)\otimes F(\mu) f(t)h(t)⇐⇒H(μ)⊗F(μ)

三、取样与取样函数的傅里叶变换 P131 - P137

3.1 取样 P131 - P132

f ~ ( t ) = f ( t ) s △ T ( t ) = ∑ n = − ∞ ∞ f ( t ) δ ( t − n △ T ) \widetilde f(t) = f(t) s_{\triangle T}(t) = \displaystyle\sum_{n=-\infty}^{\infty}f(t)\delta(t - n\triangle T) f ​(t)=f(t)s△T​(t)=n=−∞∑∞​f(t)δ(t−n△T)
在这里插入图片描述


3.2 取样函数的傅里叶变换 P132 - P133

  • F ~ ( μ ) = ℑ { f ~ ( t ) } = ℑ { f ( t ) s △ T } = F ( μ ) ⊗ S ( μ ) \widetilde F(\mu) = \Im\{\widetilde f(t)\} = \Im\{f(t)s_{\triangle T}\} = F(\mu) \otimes S(\mu) F (μ)=ℑ{ f ​(t)}=ℑ{ f(t)s△T​}=F(μ)⊗S(μ)
  • S ( μ ) = 1 △ T ∑ n = − ∞ ∞ δ ( μ − n △ T ) S(\mu) = \frac {1}{\triangle T}\displaystyle\sum_{n=-\infty}^{\infty}\delta(\mu - \frac {n}{\triangle T}) S(μ)=△T1​n=−∞∑∞​δ(μ−△Tn​)
  • F ~ ( μ ) = F ( μ ) ⊗ S ( μ ) = ∫ − ∞ ∞ F ( τ ) S ( μ − τ ) d τ \widetilde F(\mu) = F(\mu) \otimes S(\mu) = \int_{-\infty}^{\infty}F(\tau)S(\mu - \tau)d\tau F (μ)=F(μ)⊗S(μ)=∫−∞∞​F(τ)S(μ−τ)dτ
    = 1 △ T ∫ − ∞ ∞ F ( τ ) ∑ n = − ∞ ∞ δ ( μ − τ − n △ T ) d τ = \frac{1}{\triangle T} \int_{-\infty}^{\infty}F(\tau)\displaystyle\sum_{n=-\infty}^{\infty}\delta(\mu - \tau - \frac{n}{\triangle T})d\tau =△T1​∫−∞∞​F(τ)n=−∞∑∞​δ(μ−τ−△Tn​)dτ
    = 1 △ T ∑ n = − ∞ ∞ ∫ − ∞ ∞ F ( τ ) δ ( μ − τ − n △ T ) d τ

标签:infty,变换,数字图像处理,delta,滤波,mu,取样,傅里叶,第四章
From: https://blog.csdn.net/weixin_44063529/article/details/140881345

相关文章

  • 衡庐浅析·C语言程序设计·第四章·数组
        本文适用于大学的期中期末考试、专升本(专接本、专插本)考试、408等考研预科。如有相关题目疑问或建议欢迎在评论区进行互动。    转载请标明出处。在深入学习C语言的数组之前,我们先回顾一下C语言的三大基本结构:顺序结构、选择结构和循环结构。这些结构构成......
  • 【ADC】欠采样的基本理论及其应用中的抗混叠滤波器设计原则
    概述之前的两篇文章:信号采样中的频谱混叠现象、频谱混叠的MATLAB仿真与抗混叠滤波器设计介绍了关于ADC采样时,有关奈奎斯特采样定律的基本理论、频谱混叠现象的由来,以及抗混叠滤波器的设计与仿真。但这都是基于过采样的情况,即所有目标信号均位于第一奈奎斯特区内。本文首......
  • C primer plus 第四章 4.2字符串简介
    一、什么是字符串:    是一个或多个字符的序列(被双引号引起来的就是字符串),单引号引起来的是字符,字符串=字符+空字符二、char类型和null字符:    *C中没有专门储存字符串的变量,字符串被储存在char类型的数组中。     数组:由连续的储存单元组成,字符串......
  • PixiJS源码分析系列:第四章 响应 Pointer 交互事件(上篇)
    响应Pointer交互事件(上篇)上一章我们分析了sprite在canvasRenderer上的渲染,那么接下来得看看交互上最重要的事件系统了最简单的demo还是用一个最简单的demo演示example/sprite-pointerdown.html为sprite添加一个pointerdown事件,即点击事件,移动设备上就是touc......
  • 常见的滤波法(下)
    常见的滤波法(下)6.一阶滞后滤波法方法:取a=0~1,本次滤波结果=(1-a)本次采样值+a上次滤波结果。优点:对周期性干扰具有良好的抑制作用,适用于波动频率较高的场合。缺点:相位滞后,灵敏度低,滞后程度取决于a值大小,不能消除滤波频率高于采样频率的1/2的干扰信号。#defineFILTER7_A0.......
  • 常见的滤波法(上)
    常见的滤波法(上)滤波处理既适用于模拟信号也适用于数字信号。在模拟信号处理中,滤波通常通过模拟电子电路实现;在数字信号处理中,则可以通过软件算法实现。滤波处理在信号处理中扮演着举足轻重的角色。通过滤波处理,我们可以改善信号的质量、提取有用的信息、提高信号的信噪比和平滑......
  • 《NET CLR via C#》---第四章(System.Object,类型转换,is和as,命名空间和程序集,运行时的相
    System.ObjectCLR要求每个类型最终都从System.Object类型派生。由于所有类型最终都从System.Object派生,所以每个类型的每个对象都保证了一组最基本的方法。公共方法说明Equals如果两个对象具有相同的值,就返回trueGetHashCode返回对象的值的哈希码。如果某个类型的......
  • x264 环路滤波原理系列:滤波运算函数
    x264滤波运算函数关系图滤波强度Bs=1、2、3的滤波运算相关函数deblock_luma_c函数原理逻辑过程:for循环处理MB中每个4x4的块;如果tc0[i]小于0,表示当前行不需要去块处理,函数将跳过当前行,通过continue跳转到下一次迭代。for循环遍历4x4块边的像素点;......
  • 关于fNIRS带通滤波频段选择
    fNIRS滤波频段选择疑问在fNIRS的数据分析中,我们通常选择0.01~0.1Hz频段作为带通滤波的参数。那么其实有个疑问,为什么我们要选择这个频段,这个频段信号有着什么内容?频段意义fNIRS中频段选择主要包括两个意义,首先就是去除无关的干扰信号,其次就是保留与神经活动相关的信号去除无关......
  • 在 NetworkX 中实现混合过滤波束搜索
    我正在尝试使用NetworkX实现混合滤波波束搜索算法来查找有向图中的最佳路径。目标是计算状态转换并使用波束搜索来找到最佳轨迹(sigma)。但是,我遇到了几个问题,例如执行期间的无限循环和类型错误。输入:E:轨迹或游览。C:成本矩阵(计算出的图的距离矩阵)).......