在傅里叶域中处理数字图像时,我们大多利用幅度而不是相位。这可能是因为幅度更加结构化,并且幅度谱揭示了很多关于空间域的信息,如HIPR和其他答案所示。
我真的很想知道相位封装了什么,我们可以从中推断出什么,我们可以对图像的 FFT 相位执行哪些操作以实现某些目标?
我的特别兴趣在于融合频域中的两个图像,但任何 PDF 或有据可查的关于理解 FFT(图像)相位的链接都会有所帮助。
------ 编辑(按照 TimWescott 在评论中建议的图像)
图像的幅度表示图像中不同频率的强度。因此,它保存了图像中特征的几何结构(即空间域的变化)。
另一方面,相位代表这些特征的位置(这有助于我们的人眼更好地理解图像)。
这是我在 Matlab 中制作的可视化:
正如您在底部看到的,当我们将来自不同图像的幅度和相位组合并执行逆 FFT 时,生成的图像看起来更像我们从中获取相位的原始图像。这意味着相位比幅度包含更多关于图像的信息。