[关闭]
@w460461339 2018-11-30T15:04:47.000000Z 字数 2648 阅读 1632

卷积和滤波

MachineLearning


0、傅里叶变换参考

基本傅里叶变换理解:
https://zhuanlan.zhihu.com/p/19763358

离散傅里叶变换:
https://blog.csdn.net/lovehua365/article/details/79110950

图像傅里叶变换:
https://blog.csdn.net/ViatorSun/article/details/82387854

卷积解释:
https://blog.csdn.net/qq_27531383/article/details/72534608

卷积和傅里叶变换:
https://blog.csdn.net/hnyzyty/article/details/52814192

图像傅里叶变换的特性:
https://blog.csdn.net/ViatorSun/article/details/82387854

1、参考

傅里叶变化,时域和频域的zhua:

https://blog.csdn.net/struggle_for_m/article/details/51207370

https://blog.csdn.net/sphone89/article/details/7370103?utm_source=blogxgwz1

一维的时域和频域转换很好理解,下面这张图就能理解了。红色表示时域,蓝色直线表示频域。

蓝色直线横轴是频率变换,竖直是幅度。(同一频率叠加的越多,幅度也会越高把)
image_1cqct6obd1k5e1bdvof91tva1ov819.png-37.4kB

下面是二维图像的傅里叶变化参考。
左边是原图,右边是幅度图。中心为x方向频率为0,y方向频率为0的振幅。

所以可以理解为,左边那幅图,换成频率域后,频率主要集中在低频,然后高频主要是沿两轴扩展,单独分布,比如四角区域,都是相对高频的地方,都是没有分布的。

另外注意,频率图和原图位置没有任何对应关系!

频率图反应的是原图在灰度图上变化的梯度。

image_1cqctg10mc5us3m1qkb1q591dch1m.png-54.2kB

然后卷积为什么又被称为过滤器呢?

https://blog.csdn.net/hnyzyty/article/details/52814192

卷积操作之后,相当于把某些频率过滤掉了。

时域上的卷积,等价于频域上的相乘。

2、总结

2.1 什么是傅里叶变化以及图像如何做傅里叶变换
2.2 卷积和傅里叶变化

forliye.jpg-57.6kB
还是这张图,对于正弦波 而言,我们需要知道他的:

振幅:A
频率:w
相位:θ

才能够确定它。

另外,A=0时正弦波就变现为一条直线。

2.3 傅里叶的特征和CNN的问题

image_1cr9oqvrq18vjcsc16q35no1ma63r.png-60.2kB 图1
image_1cr9orsm51k3o1for1vr11f5ecrj4o.png-60.3kB 图2

以上,是我对CNN网络对特征之间相对位置不敏感的一种解释。

3、问题

image_1crej83851te51goa52n1f8agiim.png-935.7kB 图1

这幅图可以解释为什么下面两幅图的傅里叶变换为什么是一样的。

image_1cr9oqvrq18vjcsc16q35no1ma63r.png-60.2kB 图2
image_1cr9orsm51k3o1for1vr11f5ecrj4o.png-60.3kB 图3

对于图2而言,我们相当于取图1中红色框以及其对应的傅里叶变化后得到的频谱图。

而对于图3,我们相当于取图1中绿色狂以及其对应的傅里叶变化后得到的频谱图。

对于两幅频谱图,将其做中心化之后,我们会发现,他们是一模一样的。

这是因为,对于DFT,即快速傅里叶变换而言,它将输入的内容认为是一个周期,并以此对一个连续的周期函数进行傅里叶变换,从而得到了目标值。

但是,当我们对图4做傅里叶变换时,它得到的频谱图并不是图5的频谱图的周期性重复,而是完全另外一种图:
image_1crek369q1j4ua8q1vbmvjgeeq13.png-64.5kB 图4
image_1crek4hv2kjhsl4c9618etjn91t.png-36.4kB 图4-频谱图

image_1crek3k8iubm166c1lrv1go9vp61g.png-56.5kB 图5
image_1crek4uor1i2b1pqpeu64lp1u2t2a.png-30.6kB 图5-频谱图

这其实可以简单的理解为,图4中的4幅小图,已经被认为是一个整体,而不是简单的周期性重复。故而在计算灰度梯度时,和图5的图不同。

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注