利用fft算法重写公式并理解频率和像素变化率的关系(完美解决问题)

本文详细描述了算法中计算像素变化率的过程,涉及二进制表示、傅里叶变换的反变换、符号确定规则以及频率与变化率的关系。作者通过实例展示了高频和低频如何影响变化率,并强调了在特定位置n,不同频率对变化率的影响差异。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

算法我就不贴了。算法就是算法导论的内容。

我直接写推导过程。

假设变化率为f(n+1)-f(n)

首先计算二进制数,这里我假设为3位二进制。

例如:f(5)-f(4),

5和4的二进制为101,100。所以逆序数为101,001

101对应的频率为5, 001对应的频率为1。书上的代码是fft变换,这里是反变换,所以1是顺时针转动。

这里高频的只有5,所以先计算5的转动过程。

我先介绍一下Fk转动过程,首先,最高位为1的Fk的都这样转动,第一次转动为\pi,第二次转动为\pi/2,第k次转动为\pi/2^{k},总共会转动\log_{2} N次。至于转动的方向是根据正变换还是反变换,因为这里是反变换,所以1是顺时针转动,0是不转动。如果最高位不为1,就不转动,次高位为1,开始转动\pi/2,继续按照上面的规律转动,每次转动为当前层级2^(N-n)的\pi/2^{N-n}(从第零层开始),n为当前层级。

转动过程在生成的fn中起什么作用呢?我只能说是做加减组合之后就是生成fn的分量了,如何组合呢?关键就是符号的确定了。

符号的确定方式是这样的:

以ai在yj中的符号确定为例,

首先是a4在y5中的符号

100与101=100,经历了负正正,所以为负。

a6在y4中的符号

110与001=000,所以为正。

a3在y4中的符号

011与001=001,为负。

ai的下标的二进制数和yj的下标的二进制数的逆序数相与,出现偶数个1为正,奇数个1为负。

这样我就获得了傅里叶反变换的计算公式了。

总结如下:

1..首先是计算输入的ai在复平面的转动角度\theta_{i},即是ai*e^{\theta_{i} }。假设N恰好是2次方幂,设长度为m=\log_{2} N。假设下标i的二进制数为x1x2....xm。

\theta_{i} =\sum_{j=1}^{m}(2\pi/2^{j})*xj,当xj=1,是累加进去的,xj=0就没有加。

2.,接着是确定ai*e^{\theta_{i} }符号。

假设fj的下标j的二进制数为y1y2...ym。所以逆序数为ym...y2y1

x1x2....xm和ym...y2y1做与运算。统计1的个数,为奇数个,则为负号,为偶数个为正号,设为\delta (fj,ai)

3.,所以fj=\sum_{i=0}^{N-1}\delta (fj,ai)*ai*e^{\theta_{i} }

但是这个和频率,变化率有什么关系?

因为频率是ai的下标i。所以f(n+1)-f(n)表明,n+1和n的二进制中末位一个是1,一个是0,所以逆序数中总有一个是大的,一个是小的。其次需要知道的是ai*e^{\theta_{i} }ai*e^{\theta_{i} }在输入ai的时候都是确定的了,跟j无关,而跟j有关的是符号\delta (fj,ai)

所以f(n+1)-f(n)=\sum_{i=0}^{N-1}[\delta (f(n+1),ai)-\delta (f(n),ai)]*ai*e^{\theta_{i} }。因为是统计1的个数,假设前面三个1,后面一个1,那就是2个了,那就是做了异或操作。

如果下标n为y1y2...011..1,则n+1为y1y2...100..0,异或为00...11..1

如果下标n为y1y2...100..0,则n+1为y1y2...100..1,异或为00...00..1

设异或结果的逆序数为gn,gn与ai的下标相与之后统计1的个数,设为h(n,i)

所以f(n+1)-f(n)=\sum_{i=0}^{N-1}h(n,i)*ai*e^{\theta_{i} }。观察发现逆序数都是高位的。因为是与ai的下标i相与,统计1的个数,这意味着i的二进制数中的较低位置不能决定ai的符号,具体的情况跟n的值有关。而符号关系到最终的数值大小,大部分符号为一致的话,最终的向量值更大一些,虽然也跟幅度有关,但是这里输入ai都已经固定了,不需要考虑了。

所以我该怎么说呢?像素变化率确实跟频率有关,但是频率的较高处跟n的值有关,如果理想的话,i与10...00相与统计1的个数,那么所有的高频处一致为负号。最差的情况是11...1和i相与,符号完全由i决定,但是这种情况下,n值为011..111,这表示是在图像的点列中的中间处。只有一个像素点如此,其次最差的是0011..111,继续下去,其他的情况都要好很多。

我终于完成了频率和像素变化的说明了。居然是跟二进制位有关。

算错了。要修改一下。因为只是符号不同而已,可能的值为2,0,-2。

所以f(n+1)-f(n)=\sum_{i=0}^{N-1}[\delta (f(n+1),ai)-\delta (f(n),ai)]*ai*e^{\theta_{i} }

如果下标n为y1y2...011..1,则n+1为y1y2...100..0,

如果下标n为y1y2...100..0,则n+1为y1y2...100..1。

n=y1y2...ym011..1的逆序为1...110ym..y2y1,n+1逆序为0...001ym...y2y1,

n=y1y2...ym100..0的逆序为0...001ym..y2y1,n+1逆序为1...001ym...y2y1,

先看第一种情况:

0...001ym..y2y1与i=x1x2...xM相与然后异或为:\bigoplus_{j=1}^{m}(x(M-j+1)*yj)\bigoplus x(M-m),  \bigoplus是异或操作,若结果为1则是负号,结果为0,则是正号。

1...110ym..y2y1与i=x1x2...xM相与然后异或为:\bigoplus_{j=1}^{m}(x(M-j+1)*yj)\bigoplus_{j=1}^{M-m-1} x(j)

对比发现在低位的地方异或方式是一样的,设h(1)=-1, h(0)=1。h对于异或操作有h(a\bigoplusb)=h(a)*h(b)。所以

h(\bigoplus_{j=1}^{m}(x(M-j+1)*yj)\bigoplus x(M-m))=h(\bigoplus_{j=1}^{m}(x(M-j+1)*yj))*h(x(M-m))

h(\bigoplus_{j=1}^{m}(x(M-j+1)*yj)\bigoplus_{j=1}^{M-m-1} x(j))=h(\bigoplus_{j=1}^{m}(x(M-j+1)*yj))*h(\bigoplus_{j=1}^{M-m-1} x(j))

这看起来单个位置n的符号也是跟频率i的低位有关,频率的高位反而不影响。但是ai的符号做了减法之后发现,低位的符号作用是一样的,决定ai符号的是高位x1x2..x(M-m)。

再看第二种情况:

情况也是一样的,我就不写了。这能说明什么呢?这说明的是低频对符号有一致的影响,高频对符号有不一致的影响。对于变化率来说,如果符号是一致变化的,那就没变化,所以高频能改变变化率。观察上面的n的二进制和逆序,发现一致变化的区域在n的低位,根据低位的个数决定,位数越低,如果改变n的低位函数值f(n0),越低表示n0越接近n,那么只越对高频的i的函数值F(i)的符号无影响,但是影响各个频率的幅度值。

最好的情况是n=011..1, n+1=100..0。n逆=1..110,n+1逆=0..001。完全由i的每个分量决定了符号。这表示图像中间的一个像素点在修改任意频率i的函数值ai的时候,变化率是由各种频率决定的。实际上变化率我之前分析过了,频率和幅度都起作用,但是我之前分不清高频和低频起的作用的区别,这里就能说明在不同的位置n,由不同的频率i起作用,甚至较低频率是不起作用的。

最差的情况是n=100..0, n+1=100..1。n逆=0..001,n+1逆=1..001。完全由i的高频分量决定了符号。这表示图像中间的一个像素点只在修改高频率i的函数值ai的时候,变化率几乎是由高频决定的。

最后我就

n=y1y2...ym011..1的逆序为1...110ym..y2y1,n+1逆序为0...001ym...y2y1,

n=y1y2...ym100..0的逆序为0...001ym..y2y1,n+1逆序为1...001ym...y2y1,

给出一个简单的解释:

这里,因为在空间n位置的局部范围内,ym..y2y1不会改变,所以逆序与i相与,得到的符号也不会改变。假设高频的值全为0,那么意味着f(n)在n的局部的值没有变化。因为高频为0,而低频的值ai和旋转角度都是固定的,唯一变化的是符号,但是在n的局部范围内符号没有变化,则f(n)在n的局部的值没有变化,根据我的这个公式:

fj=\sum_{i=0}^{N-1}\delta (fj,ai)*ai*e^{\theta_{i} }

如何理解像素剧烈变化呢?反正基本上是空间的局部范围内n变化的时候,由于逆序之后符号变化是在高频跳到中频范围反复的,所以如果这个范围内ai不为0,那么图像像素的变化率大。
 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值