- 正交变换基本概念
- 离散傅里叶变换
- 其他正交变换
将空域中的图像变换到变换域
ps://TODO 这一章并没有理解，理论有点抽象，需要后续逐渐提高认识
正交变换的基本概念
图像是许多点冲激函数的累加（转换到空间的信号处理问题），图像通过系统的效果就是每一点冲激函数通过系统的响应之和。（通常数字图像被认为是一个空间线性系统），这里联系线性系统的知识来理解。
任何图像都可以分解成基图像之和，这些基图像是相互正交的，图像变换的本质是寻找合适的基图像来表达图像。
三类变换
- 正弦/余弦变换
- 方波型变换
- 基于特征向量的变换
1.一维正交变换
线性变换：F=Tf,这里T为变换矩阵，N*N，f为N*1的原向量，那么这里就是对向量f的一个线性变换，变换后的结果是F。如图一所示
图片.png
g(x,u)为正变换核，矩阵T为变换的核矩阵，变换矩阵。
同理也可以做逆变换f=T(-1)F，显然TT(-1)=E(或者I)
酉变换：T的逆变换等于其复共轭的转置时，该线性变换为酉变换。
正交变换：若T为师叔编号，则称酉变换为正交变换。（实数的复共轭任然是实数本身），此时，T的逆=T的转置，T*T的转置=E
此时，正交变换T的每一列称为该正交变换的正交基。此时，这些基向量正交，乘积为0.
完备性：如图二
图片.png
2.二维正交变换
二维离散线性变换：图三
图片.png
图片.png
离散傅里叶变换
一种经典的正余弦正交变换，建立起空域和频域的联系。
1.连续傅里叶变换
-
一维：如图5图片.png
-
二维：如图6图片.png
2.离散傅里叶变换
-
一维：如图7图片.png
-
二维：如图8图片.png
意义：跟一维信号处理一样，傅里叶变化，把图像从“空域”变为“频率”。对于一幅图像，高频部分代表了图像的细节、纹理信息；低频部分代表了图像的轮廓信息。如果对一幅精细的图像使用低通滤波器，那么滤波后的结果就剩下了轮廓了。这与信号处理的基本思想是相通的。如果图像受到的噪声恰好位于某个特定的“频率”范围内，则可以通过滤波器来恢复原来的图像。
