图像处理与机器视觉
二维傅里叶变换在数字图像处理中的应用，用得最多的就是用FFT将卷积运算转换为乘积运算，然后再用IFFT转换得到结果，以此来提高卷积运算速度；在某些具体的算法中，傅里叶变换有比较神奇的功能，比如针对对比度比较浅的污渍，在利用相机拍摄抓取图像后，利用傅里叶变换的相位图，可将该图像中对比度比较差的污渍部分的对比度增强，有利于后期的处理；再就是利用傅里叶变换滤除图像上周期性的条纹，周期性的网格之类的背景；在数字图像处理中，傅里叶变换在滤除噪声方面，其功能并不是特别强大，特别是设置滤波门槛值方法的不合理，振铃效应反而会降低图像质量，因此，才有后面的小波变换作为傅里叶变换的升级版，可以很好的进行噪声滤除，以及应用在数字图像压缩上。二维傅里叶变换还有一个应用，利用卷积响应的方法，识别图像中的目标物体，不过由于傅里叶变换的特殊性，频率域准确定位的目标，无法再空间域定位，因此该方法只能判断图像中是否有，而无法知道确切的位置，因此该方法反而不如模板匹配法受欢饮。一维傅里叶变换在数字图像处理识别中，有一个很好的应用，能克服目标的旋转、缩放等带来的影响，其具体方法是，对目标物体进行分割提取，得到物体的边缘轮廓，该边缘轮廓是首尾相连的，将该轮廓曲线以它的中心建立的极坐标展开，实际上就是一个一维信号，对该信号进行傅里叶变换，提取傅里叶变换的特征，就可以进行识别了。总体来说或，傅里叶变换在数字图像处理中应用还是比较多，特别是对于某些封装好的算法库，虽然对有没有采用FFT进行优化对使用人员是隐形的，但是在运算速度优化中，或多或少都有FFT的影子。
Reading教读绘本
matlab和imageJ有现成的FFT滤镜，可以消除布纹老照片上的网格。
分享到:
