如何用matlab计算图像的二维傅里叶变换

关于二维DFT的原理的话，可以参考清华出版的《图像工程 上册》，所以此处赘述二维DFT的原理，如果不懂的话，那效果图像也不会理解为什么。
所以我在代码中直接调用库fft2(X);

% by keyhero
% img_fft.m
clear;
lena=imread('lena.bmp');
freq=fft2(lena);
freq = fftshift(freq);
ampt=abs(freq);
temp=max(ampt);
max_val=max(temp);
temp=min(ampt);
min_val=min(temp);
slope=255/(max_val - min_val);
for i=1:256
    for j=1:256
        temp(i,j)=uint8(slope*(ampt(i,j) - min_val));
        if temp(i,j)~=0
            temp(i,j)=256;
        end
    end
end
imgfft=uint8(temp);
subplot(121);imshow(lena);
subplot(122);imshow(imgfft);

你会发现，这是不是很乱的图像，看起来是杂乱无章的，正常情况应该是高频率居于中间部位，低频位于四周，事实上图像数组是这样分布的，只是在计算机上只能显示到255的灰度值。
所以，应该进行灰度映射，把从max映射到255

matlab显示的数值分布如下：

所以就有了以上代码中的for循环，并且，为了突出显示效果，把像素值进行了二值化

之后的结果如下：

可以发现，当进行图像显示像素值归一化之后，居于图像中间部分（也就是傅里叶变换的低频部分）比较明显，并且在纵向和横向上具有实序列傅里叶变换的对称性。之所以低频部分比较多，这图像的像素分布决定的。

Thank you！