傅里叶变换的理解----计算幅值和相位

本文介绍了傅里叶变换的基本原理,包括连续信号的离散化处理、离散傅里叶变换(DFT)及快速傅里叶变换(FFT)的应用,并通过MATLAB代码示例展示了如何实现信号的频谱分析。

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

先推荐表格文章  如果看了此文你还不懂傅里叶变换,那就过来掐死我吧【完整版】

傅里叶原理表明:任何连续测量的时序或信号,都可以表示为不同频率的正弦波或余弦信号的无限叠加。

1.FT的理论就会告诉你可以通过傅里叶变化获知这个频率。
但是这个信号飘荡在空中,你需要先通过采样得到一个离散信号
y[i]=\sin(2\pi \frac{f}{f_{s}}i+\theta) \  \ \ \ \ (i=1,2,...N)
( f_{s}是采样频率,香农和奈奎斯特告诉我们,需要 f_{s}>2f)。
2.得到离散信号后如何计算 f,DFT就会告诉你怎么办;
3.你嫌DFT太慢了怎么办,FFT就粉墨登场了。

一段matlab程序:
>> fs=1;
N=100;  %频率分辨率为fs/N=0.01Hz,下面信号的频率0.05是0.01的整数倍,即为整周期采样
n=0:N-1;% n=0---99
t=n/fs;
f0=0.05;%设定余弦信号频率
x=cos(2*pi*f0*t+pi/3);%生成正弦信号 %FFT是余弦类变换,最后得到的初始相位是余弦信号的初时相位,在这里为0。如果信号
figure(1);          %  调出第一张图                    %为x=sin(2*pi*f0*t);则初时相位应该是-90度而非0度。
subplot(211);%  表示subplot(m,n,p)有 m行 n列 第几个图
plot(t,x);%作余弦信号的时域波形
xlabel('t');
ylabel('y');
title('余弦信号 时域波形');
grid;
%进行FFT变换并做频谱图
y=fft(x,N);%进行fft变换
mag=abs(y)*2/N;%求幅值 乘上后面的2/N得到正确幅值
f=(0:length(y)-1)'*fs/length(y);%进行对应的频率转换
subplot(212);
plot(f(1:N/2),mag(1:N/2));%做频谱图
xlabel('频率(Hz)');
ylabel('幅值');
title('余弦信号 幅频谱图');
grid;
angle(y(6))*180/pi %求信号初时相位。频率坐标f为[0 0.01 0.02 0.03 0.04 0.05 0.06 ...],所以谱线y中第6根谱线和信号x对应。


ans =

   60.0000


### 图像傅立叶变换中的相位 #### 谱的意义及其处理方法 对于一图像而言,离散傅里叶变换(DFT)能够将其从空间域映射到频率域。在这个过程中产生的频谱图包含了两部分重要信息——相位。其中,反映了各个频率成分的能量大小;而为了更好地展示这些数据,通常会对原始的取自然对数并进行归一化操作来增强对比度,使得低频区域更加明显[^1]。 ```python import numpy as np from matplotlib import pyplot as plt import cv2 def show_fft_magnitude(image_path): img = cv2.imread(image_path,0) f = np.fft.fft2(img) fshift = np.fft.fftshift(f) magnitude_spectrum = 20*np.log(np.abs(fshift)) plt.subplot(121),plt.imshow(img, cmap = 'gray') plt.title('Input Image'), plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(magnitude_spectrum, cmap = 'gray') plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([]) plt.show() ``` #### 相位的重要性及其实现方式 除了关注于能量分布外,相位同样不可忽视。实际上,在重建图像的过程中,仅保留相位信息往往可以恢复出原图的大致结构特征,即使丢失了所有的细节。这是因为相位携带有关物体位置的信息,决定了不同频率分量如何组合在一起形成最终的画面效果[^3]。 ```matlab function [magnitude, phase] = compute_fourier_transform(gray_image_matrix) % 计算给定灰度图像矩阵上的FFT,并返回相位 % 执行快速傅里叶变换 fft_result = fft2(double(gray_image_matrix)); % 获取相位角 magnitude = abs(fft_result); phase = angle(fft_result); end ``` #### 应用场景探讨 在实际应用中,基于傅里叶变换的技术广泛应用于多个领域: - **滤波器设计**:利用低通/高通特性去除噪声或突出特定尺度下的变化趋势; - **压缩编码**:JPEG标准即采用了类似的原理减少冗余存储需- **模式识别**:通过对目标对象的空间频率响应建模辅助分类任务。
评论 4
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