数字图像处理实验图像频谱分析

合集下载

数字图像处理实验二:图像的频域处理

数字图像处理实验二:图像的频域处理

实验二、图像的频域处理一、实验类型:综合性实验二、实验目的1. 掌握二维傅里叶变换的原理。

2. 掌握二维傅里叶变换的性质。

三、实验设备:安装有MATLAB 软件的计算机四、实验原理傅里叶变换在图像增强、图像分析、图像恢复和图像压缩等方面扮演着重要的角色。

在计算机上使用傅里叶变换常常涉及到该变换的另一种形式——离散傅里叶变换(DFT )。

使用这种形式的傅里叶变换主要有以下两方面的理由:·DFT 的输入和输出都是离散的,这使得计算机处理更加方便;·求解DFT 问题有快速算法,即快速傅里叶变换(FFT )。

MATLAB 函数fft,fft2 和fftn 可以实现傅里叶变换算法,分别用来计算1 维DFT、2 维DFT 和n 维DFT。

函数ifft,ifft2 和ifftn 用来计算逆DFT。

下面结合一个例子进行演示。

五、实验内容部分一选择一幅图像,对其进行离散傅立叶变换,观察离散傅立叶频谱,并演示二维离散傅立叶变换的主要性质(如平移性、旋转性)。

六、实验步骤与结果(1)创建一个矩阵f,代表一个二值图像。

f=zeros(60,60); %创建一个60行,60列的零矩阵f(10:48,26:34)=1; %使矩阵f的10到48行,26到34列交叉部分置1 imshow(f,'InitialMagnification','fit')/imshow(f,'notruesize'); %显示得到二值图像f,如图所示:(2 )用以下命令计算f 的DFT 并可视化。

F=fft2(f); %对f图像进行傅立叶正变换F2=log(abs(F)); %对F变换得到傅立叶频谱,再用对数变换更好得显示图像imshow(F2,[-1,5],'InitialMagnification','fit'); %显示图像colormap(jet);colorbar %用彩色绘制网线,用彩条信号得到没有0 填充的离散傅里叶变换,如图所示:(3)为了获取傅里叶变换的更佳的取样数据,计算F 的DFT 时给它进行0 填充。

用matlab实现数字图像处理几个简单例子

用matlab实现数字图像处理几个简单例子

实验报告实验一图像的傅里叶变换(旋转性质)实验二图像的代数运算实验三filter2实现均值滤波实验四图像的缩放朱锦璐04085122实验一图像的傅里叶变换(旋转性质)一、实验内容对图(1.1)的图像做旋转,观察原图的傅里叶频谱和旋转后的傅里叶频谱的对应关系。

图(1.1)二、实验原理首先借助极坐标变换x=rcosθ,y=rsinθ,u=wcosϕ,v=wsinϕ,,将f(x,y)和F(u,v)转换为f(r,θ)和F(w,ϕ).f(x,y) <=> F(u,v)f(rcosθ,rsinθ)<=> F(wcosϕ,wsinϕ)经过变换得f( r,θ+θ。

)<=>F(w,ϕ+θ。

)上式表明,对f(x,y)旋转一个角度θ。

对应于将其傅里叶变换F(u,v)也旋转相同的角度θ。

F(u,v)到f(x,y)也是一样。

三、实验方法及程序选取一幅图像,进行离散傅里叶变换,在对其进行一定角度的旋转,进行离散傅里叶变换。

>> I=zeros(256,256); %构造原始图像I(88:168,120:136)=1; %图像范围256*256,前一值是纵向比,后一值是横向比figure(1);imshow(I); %求原始图像的傅里叶频谱J=fft2(I);F=abs(J);J1=fftshift(F);figure(2)imshow(J1,[5 50])J=imrotate(I,45,'bilinear','crop'); %将图像逆时针旋转45°figure(3);imshow(J) %求旋转后的图像的傅里叶频谱J1=fft2(J);F=abs(J1);J2=fftshift(F);figure(4)imshow(J2,[5 50])四、实验结果与分析实验结果如下图所示(1.2)原图像(1.3)傅里叶频谱(1.4)旋转45°后的图像(1.5)旋转后的傅里叶频谱以下为放大的图(1.6)原图像(1.7)傅里叶频谱(1.8)旋转45°后的图像(1.9)旋转后的傅里叶频谱由实验结果可知1、从旋转性质来考虑,图(1.8)是图(1.6)逆时针旋转45°后的图像,对比图(1.7)和图(1.9)可知,频域图像也逆时针旋转了45°2、从尺寸变换性质来考虑,如图(1.6)和图(1.7)、图(1.8)和图(1.9)可知,原图像和其傅里叶变换后的图像角度相差90°,由此可知,时域中的信号被压缩,到频域中的信号就被拉伸。

数字图像处理_图像的频域变换处理

数字图像处理_图像的频域变换处理

图像的频域变换处理1 实验目的 1. 掌握Fourier ,DCT 和Radon 变换与反变换的原理及算法实现,并初步理解Fourier 、Radon和DCT 变换的物理意义。

2、 利用傅里叶变换、离散余弦变换等处理图像,理解图像变换系数的特点。

3、 掌握图像的频谱分析方法。

4、 掌握图像频域压缩的方法。

5、 掌握二维数字滤波器处理图像的方法。

2 实验原理1、傅里叶变换 fft2函数:F=fft2(A);fftshift 函数:F1=fftshift(F);ifft2函数:M=ifft2(F);2、离散余弦变换:dct2函数 :F=dct2(f2);idct2函数:M=idct2(F);3、 小波变换对静态二维数字图像,可先对其进行若干次二维DWT 变换, 将图像信息分解为高频成分H 、V 和D 和低频成分A 。

对低频部分A ,由于它对压缩的结果影响很大,因此可采用无损编码方法, 如Huffman 、 DPCM 等;对H 、V 和D 部分,可对不同的层次采用不同策略的向量量化编码方法,这样便可大大减少数据量,而图像的解码过程刚好相反。

(1)dwt2[CA,CH,CV,CD]=dwt2(X,’wname’)[CA,CH,CV,CD]=dwt2(X,LO_D,HI_D’)()()⎰⎥⎦⎤⎢⎣⎡-ψ=dt a b t t Rf a 1b ,a W *()⎪⎭⎫ ⎝⎛-ψ=ψa b t a 1t b ,a 112()00(,)[(,)](,)ux vy M N j M N x y f x y eF f x y F u v π---+====∑∑1100(21)(21)(,)(,)()()cos cos 22M N x y x u y v F u v f x y C u C v M Nππ--==++=∑∑CA 图像分解的近似分量,CH 水平分量,CV 垂直分量,CD 细节分量; dwt2(X,’wname ’) 使用小波基wname 对X 进行小波分解。

数字图像频域相关分析法及其应用

数字图像频域相关分析法及其应用

数字图像频域相关分析法及其应用数字图像频域相关分析法是把图像处理问题分解为频域与空间域的方法,用于分析、检测和修复图像中的特征。

它以计算机图像处理的实用性和数学技术的方式为基础,广泛应用于具有挑战性的图像处理领域,特别是提高图像质量、弥补图像缺陷和智能图像处理等方面。

频域又称为傅立叶频域,用来描述图像的空间频率特征。

相对于空间域,它具有更高的表示能力,这也是为什么人们将图像处理问题转化到频域中解决的原因,以通过少量的频率特征表达图像的空间特征的信息。

在计算机图像处理中,频域相关分析法具有应用广泛的特点,它可以提供高效的运算方法来解决许多图像处理任务,如图像增强、图像滤波和图像检测等。

一般来说,频域相关分析法可以在以下三个方面应用:(1)图像增强。

频域分析法可以有效的增强图像的对比度,以提高图像的质量,改善图像的可视性。

它可以有效的提取噪声,使原始图像变得更加清晰,以满足实际的观看需求。

(2)图像滤波。

频域分析法可以有效的滤除图像中的噪声,减少图像中不必要的细节,从而获得更清晰的图像。

它可以有效的滤除图像中的高频成分,使图像柔和,提高图像的可视性。

(3)图像检测。

频域分析法可以使用空间或频率特征来检测图像中的特定物体,如缺陷检测和目标检测等。

它可以有效的检测并标记图像中的特定特征,以及提取和比较特定的计算机模式,如边缘检测、轮廓检测、纹理检测和色彩检测等。

此外,频域相关分析法可以用于智能图像处理,如图像转换、图像分割等,可以有效的提取图像的特征,完成识别和跟踪任务。

因此,频域相关分析法广泛应用于计算机图像处理,它可以用于图像增强、图像滤波和图像检测等,也可以用于智能图像处理,如图像识别和跟踪等,起到提高图像质量、弥补缺陷和智能图像处理等作用,为计算机图像处理的发展做出了重要贡献。

实验一图像频谱分析

实验一图像频谱分析

实验⼀图像频谱分析实验⼀图像频谱分析⼀、实验⽬的1、了解图像变换的意义和⼿段;2、熟悉傅⾥叶变换的性质;3、掌握图像傅⽴叶频谱的分布特点;⼆、实验原理1、⼆维傅⽴叶变换(DFT )令f (x ,y )表⽰⼀副⼤⼩为M ×N 的图像,⼆维离散傅⽴叶变换可表⽰为F (u ,v ),如下式所⽰:112(//)001(,)(,)M N j ux M vy N x y F u v f x y e M N π---+===∑∑其中u=0,1,2,…M-1和v=0,1,2,…N-1。

可以将指数项扩展为正弦和余弦项的形式,变量u 、v 确定他们的频率。

在频率变换点处变换的值[如F (0,0)]称为傅⽴叶变换的直流分量。

直观的分析变换的主要⽅法是计算他的频谱——即F (u ,v )的幅度,并将其显⽰为⼀副图像。

令R (u ,v )和I (u ,v )分别表⽰F (u ,v )的实部和虚部,则傅⽴叶频谱定义为:221/2|(,)|[(,)(,)]F u v R u v I u v =+功率谱定义为幅度的平⽅:222(,)|(,)|(,)(,)P u v F u v R u v I u v ==+ 2、傅⽴叶变换的性质三、实验内容在实际应⽤中,DFT 变换可以通过快速傅⽴叶变换(FFT )算法来实现。

1、傅⽴叶变换的计算(1)函数fft2可以实现⼆维离散傅⽴叶变换,格式如下:F=fft2(f ) F 和f ⼤⼩相同F =fft2(f ,m ,n )变换前f 截断或添0,成为m*n 数组,返回结果为m*n 。

(2)傅⽴叶频谱可以⽤函数abs 来获得:S=abs (F )计算数组中每⼀个元素的幅度(实部和虚部平⽅和的平⽅根)。

2、DFT 的可视化(1)可视化分析⽤函数imshow 来实现imshow (S ,[])(2)为了增加可视细节,傅⽴叶频谱常采⽤log ( 1+abs ( F) )的图像显⽰。

S2=log ( 1+abs ( F) );imshow ( S2,[] )(3)为了便于分析,⽤函数fftshift将傅⽴叶变换的零频率部分移到频谱中⼼。

数字图像处理实验

数字图像处理实验

数字图像处理实验实验总学时:10学时实验目的:本实验的目的是通过实验进一步理解和掌握数字图像处理原理和方法。

通过分析、实现现有的图像处理算法,学习和掌握常用的图像处理技术。

实验内容:数字图像处理的实验内容主要有三个方面:(1) 对图像灰度作某种变换,增强其中的有用信息,抑制无用信息,使图像的视在质量提高,以便于人眼观察、理解或用计算机对其作进一步的处理。

(2) 用某种特殊手段提取、描述和分析图像中所包含的某些特征和特殊的信息,主要的目的是便于计算机对图像作进一步的分析和理解,经常作为模式识别和计算机视觉的预处理。

这些特征包括很多方面,例如,图像的频域特性、灰度特征、边界特征等。

(3) 图像的变换,以便于图像的频域处理。

实验一图像的点处理实验内容及实验原理:1、灰度的线性变换灰度的线性变换就是将图像中所有的点的灰度按照线性灰度变换函数进行变换。

该线性灰度变换函数是一个一维线性函数:灰度变换方程为:其中参数为线性函数的斜率,函数的在y轴的截距,表示输入图像的灰度,表示输出图像的灰度。

要求:输入一幅图像,根据输入的斜率和截距进行线性变换,并显示。

2、灰度拉伸灰度拉伸和灰度线性变换相似。

不同之处在于它是分段线性变换。

表达如下:其中,(x1,y1)和(x2,y2)是分段函数的转折点。

要求:输入一幅图像,根据选择的转折点,进行灰度拉伸,显示变换后的图像。

3、灰度直方图灰度直方图是灰度值的函数,描述的是图像中具有该灰度值的像素的个数,其横坐标表示像素的灰度级别,纵坐标表示该灰度出现的频率(象素的个数)。

要求:输入一幅图像,显示它的灰度直方图,可以根据输入的参数(上限、下限)显示特定范围的灰度直方图。

4、直方图均衡:要求1 显示一幅图像pout.bmp的直方图;2 用直方图均衡对图像pout.bmp进行增强;3 显示增强后的图像。

实验二:数字图像的平滑实验内容及实验原理:1.用均值滤波器(即邻域平均法)去除图像中的噪声;2.用中值滤波器去除图像中的噪声3. 比较两种方法的处理结果 实验步骤:用原始图象lena.bmp 或cameraman.bmp 加产生的3%椒盐噪声图象合成一幅有噪声的图象并显示;1. 用均值滤波器去除图像中的噪声(选3x3窗口);2. f (x 0,y 0)=Med {f (x,y )∨x ∈[x 0−N,x 0+N ],y ∈[y 0−N,y 0+N ]}用中值滤波器去除图像中的噪声(选3x3窗口做中值滤波);3. 将两种处理方法的结果与原图比较,注意两种处理方法对边缘的影响。

数字图像处理实验报告(五个实验全)

数字图像处理实验报告(五个实验全)

数字图像处理实验报告(五个实验全)实验⼀ Matlab图像⼯具的使⽤1、读图I=imread('lena.jpg');imshow(I);2、读⼊⼀幅RGB图像,变换为灰度图像和⼆值图像,并在同⼀个窗⼝内分成三个⼦窗⼝来分别显⽰RGB图像和灰度图像。

a=imread('lena.jpg')i = rgb2gray(a)I = im2bw(a,0.5)subplot(3,1,1);imshow(a);subplot(3,1,2);imshow(i);subplot(3,1,3);imshow(I);原图像灰度图像⼆值图像实验⼆图像变换1、对⼀幅图像进⾏平移,显⽰原始图像与处理后图像,分别对其进⾏傅⾥叶变换,显⽰变换后结果,分析原图的傅⾥叶谱与平移后傅⾥叶频谱的对应关系。

s=imread('beauty.jpg');i=rgb2gray(s)i=double(i)j=fft2(i);k=fftshift(j); 原图像原图的傅⾥叶频谱l=log(abs(k));m=fftshift(j);RR=real(m);II=imag(m);A=sqrt(RR.^2+II.^2);A=(A-min(min(A)))/(max(max(A)))*255;b=circshift(s,[800 450]);b=rgb2gray(b)b=double(b) 平移后的图像平移后的傅⾥叶频谱c=fft2(b);e=fftshift(c);l=log(abs(e));f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.^2+ZZ.^2);B=(B-min(min(B)))/(max(max(B)))*255;subplot(2,2,1);imshow(s);subplot(2,2,2);imshow(uint8(b));subplot(2,2,3);imshow(A);subplot(2,2,4);imshow(B);2、对⼀幅图像进⾏旋转,显⽰原始图像与处理后图像,分别对其进⾏傅⾥叶变换,显⽰变换后结果,分析原图的傅⾥叶谱与旋转后傅⾥叶频谱的对应关系。

数字图像处理实验六和七、频域图像

数字图像处理实验六和七、频域图像
实验内容: 一、掌握频域图像增强的基本概念 二、掌握低通滤波器的基本类型和增强效果 三、掌握高通滤波器的基本类型和增强效果
实验要求
• 报告纸上写明实验日期
• 姓名学号不能少 • 原理部分请参考教科书详写 • 上机请不要迟到
一、频域图像增强的基本概念 图像(空域)可以表示为: f ( x, y ) 图像(频域)可以表示为: F (u, v) FT: F (u, v) f ( x, y )e j 2 ( ux vy )dxdy IFT: f ( x, y ) F (u, v)e j 2 ( ux vy )dudv
一掌握频域图像增强的基本概念二掌握低通滤波器的基本类型和增强效果三掌握高通滤波器的基本类型和增强效果精品文档实验要求?报告纸上写明实验日期?姓名学号不能少?原理部分请参考教科书详写?上机请不要迟到精品文档一频域图像增强的基本概念图像空域可以表示为
实验六、频域图像增强(1)
实验目的:通过实验掌握频域图像增强的基本概念和方法
输入图像
滤波器ILPF(D0=30)
输出图像
A=imread('barb.gif'); B=imnoise(A,'salt & pepper',0.02); subplot(1,3,1),imshow(A); subplot(1,3,2),imshow(B);
巴特沃思低通滤波器BLPF : H (u, v) B=double(B);
二、实验原理
详细内容请参见教科书 高通滤波器:让图像的高频成分通过,截止低频成分
0 D( u, v ) D0 理 想 高 通 滤 波 器 IHPF: H ( u, v) 1 D( u, v) D0
巴特沃思高通滤波器BHPF : H (u, v)
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

姓名:朱慧娟班级:电子二班学号:410109060325
实验2 图像频谱分析
一、实验目的
1、了解图像变换的意义和手段。

2、熟悉及掌握图像的变换原理及性质,实现图像的傅里叶变换。

二、实验内容
1、分别显示图像Bridge.bmp、cameraman.tif(自带图像)、blood.tif及其频谱,观察图像频谱的特点。

2、生成一幅图像,图像中背景黑色,目标为一亮条;平移亮条,观察其频谱的变化。

3、对lena.bmp图像进行旋转,显示原始图像与旋转后图像,及其傅里叶频谱,分析旋转前、后傅里叶频谱的对应关系。

三、实验程序及结果
1.1 实验程序
clear; %清除以前实验变量
a=imread('e:\ZHJ\Bridge.bmp'); %读入图像Bridge.bmp,并记为a
b=imread('cameraman.tif'); %读入图像cameraman.tif,并记为b
c=imread('e:\ZHJ\blood.tif'); %读入图像blood.tif,并记为c
d=fft2(a); %对图像a进行傅里叶变换,并记为d
e=fftshift(d); %将变换后图像频谱中心从矩阵的原点移动到矩阵的中心,并记为e A=abs(e); %对e取绝对值,及得到图像a的幅度谱,并记为A
B=log(1+A); %对幅度谱A取对数,并记为B
f=fft2(b); %对图像b进行傅里叶变换,并记为f
g=fftshift(f); %将变换后图像频谱中心从矩阵的原点移动到矩阵的中心,并记为g C=abs(g); %对g取绝对值,及得到图像b的幅度谱,并记为C
D=log(1+C); %对幅度谱C取对数,并记为D
h=fft2(c); %对图像c进行傅里叶变换,并记为h
i=fftshift(h); %将变换后图像频谱中心从矩阵的原点移动到矩阵的中心,并记为i E=abs(i); %对i取绝对值,及得到图像c的幅度谱,并记为E
F=log(1+E); %对幅度谱E取对数,并记为F
figure(1); %建立图表1
subplot(2,1,1); %将图表1分成两部分,第一部分imshow(a); %显示图像a
title('Bridge.bmp'); %给图像a加标题‘Bridge.bmp’subplot(2,1,2); %将图表1分成两部分,第二部分imshow(B,[]); %显示B即图像a的频谱图
title('Bridge.bmp频谱图'); %给图像B加标题‘Bridge.bmp频谱图’figure(2); %建立图表2
subplot(2,1,1); %将图表2分成两部分,第一部分imshow(b); %显示图像b
title('cameraman.tif'); %给图像b加标题‘cameraman.tif’subplot(2,1,2); %将图表2分成两部分,第二部分
imshow(D,[]); %显示D即图像b的频谱图
title('cameraman.tif频谱图'); %给图像D加标题‘cameraman.tif频谱图’figure(3); %建立图表3
subplot(2,1,1); %将图表3分成两部分,第一部分imshow(c); %显示图像c
title('blood.tif'); %给图像c加标题‘blood.tif’
subplot(2,1,2); %将图表3分成两部分,第二部分imshow(F,[]); %显示F即图像c的频谱图
title('blood.tif频谱图'); %给图像F加标题‘blood.tif频谱图’1.2 实验结果
2.1 实验程序
clear; %清除以前实验变量
A= zeros(256,256); %建立行列都是256的0矩阵,即建立黑色图,并记为A
A(10:20,:)=256; %矩阵A中第十到二十行数据改为256,即在黑色图像上加上亮条纹B=circshift(A,[50, 0]); %将矩阵A行向移动50行,得到新矩阵记为B
a=fft2(A); %对矩阵A进行傅里叶变换,并记为a
b=fftshift(a); %将变换后图像频谱中心从矩阵的原点移动到矩阵的中心,并记为b M=abs(b); %对b取绝对值,及得到矩阵A的幅度谱,并记为M
N=log(1+M); %对幅度谱M取对数,并记为N
c=fft2(B); %对矩阵B进行傅里叶变换,并记为c
d=fftshift(c); %将变换后图像频谱中心从矩阵的原点移动到矩阵的中心,并记为d S=abs(d); %对d取绝对值,及得到矩阵B的幅度谱,并记为S
T=log(1+S); %对幅度谱S取对数,并记为T
figure; %建立图表
subplot(2,2,1); %将图表分成四部分,第一部分
imshow(A); %显示图像A
title('原图像'); %给所显示图像加标题‘原图像’
subplot(2,2,2); %将图表分成四部分,第二部分
imshow(B); %显示图像B
title('平移后图像'); %给所显示图像加标题‘平移后图像’subplot(2,2,3); %将图表分成四部分,第三部分
imshow(N,[]); %显示图像A的频谱图
title('原图像频谱图'); %给所显示图像加标题‘原图像频谱图’subplot(2,2,4); %将图表分成四部分,第四部分
imshow(T,[]); %显示图像B的频谱图
title('平移后图像频谱图'); %给所显示图像加标题‘平移后图像频谱图’2.2 实验结果
3.1 实验程序
clear; %清除以前实验变量
a=imread('e:\ZHJ\lena.bmp'); %读入图像lena.bmp,并记为a
b=imrotate(a,-45); %将图像a顺时针旋转45度
c=fft2(a); %对图像a进行傅里叶变换,并记为c
d=fftshift(c); %将变换后图像频谱中心从矩阵的原点移动到矩阵的中心,并记为d A=abs(d); %对d取绝对值,及得到图像a的幅度谱,并记为A
B=log(1+A); %对幅度谱A取对数,并记为B
e=fft2(b); %对图像b进行傅里叶变换,并记为e
f=fftshift(e); %将变换后图像频谱中心从矩阵的原点移动到矩阵的中心,并记为f C=abs(f); %对f取绝对值,及得到图像b的幅度谱,并记为C
D=log(1+C); %对幅度谱C取对数,并记为D
figure; %建立图表
subplot(2,2,1); %将图表分成四部分,第一部分
imshow(a); %显示图像a
title('原图像'); %给所显示图像加标题‘原图像’
subplot(2,2,2); %将图表分成四部分,第二部分
imshow(b); %显示图像b
title('旋转后图像'); %给所显示图像加标题‘旋转后图像’
subplot(2,2,3); %将图表分成四部分,第三部分
imshow(B,[]); %显示图像a的频谱图
title('原图像频谱图'); %给所显示图像加标题‘原图像频谱图’
subplot(2,2,4); %将图表分成四部分,第四部分
imshow(D,[]); %显示图像b的频谱图
title('旋转后平移后图像频谱图'); %给所显示图像加标题‘旋转后平移后图像频谱图’
3.2 实验结果
四、思考题
1.图像频谱有哪些特点?
答:频谱图,四个角对应低频成分,中央部分对应高频成分;图像亮条的平移影响频谱的分布,但当频谱搬移到中心时,图像亮条的平移后频谱图是相同的。

图像旋转,频谱也会旋转,并且角度相同。

频谱具有平移特性,可分离性。

2.图像的二维频谱在显示和处理时应注意什么?
答:运用对数形式能增加显示细节。

为了便于分析使用fftshift函数将频谱的零频分量移至频谱的中心。

函数ifft2用于计算傅立叶反变换理论上逆变换
结果应为实数实际ifft2输出结果有很小的虚数成分所以需在逆变换后提取结果的实部。

相关文档
最新文档