傅里叶变换 4 次 = 原始函数(2D 及更高)

信息处理 图像处理 fft 傅里叶变换 转换 傅立叶
2022-02-02 11:06:32

下面链接的 Signal Processing SE 帖子显示了对一维函数应用 4 次傅里叶变换如何返回原始函数,即 F{ F{ F{ F{ g(x) } } } } = g(x)

链接到一维案例: 傅里叶变换 4 次 = 原始函数(来自 Bracewell 书)

有人可以证明这适用于或不适用于 2D 或更高功能吗?特别是,如果我在灰度图像上使用这种方法,我会得到原始图像吗?我知道边缘效应可能是有问题的,所以可以说图像是一个简单的重复模式,因此它是周期性的。是的,数值/计算 FFT 问题可能意味着图像与原始图像不完全相同,但即使它们相似,看到也会很酷......

1个回答

n 维(离散)傅里叶变换是可分离的,这意味着可以独立处理维度。因此,FT 是恒等式的第四个根的性质也适用于 n 维变换。并且该属性是精确的,因此除了微小的数值舍入误差之外,您不会看到任何偏差。