matlab中傅里叶逆变换出错 求助高手 matlab问题，函数y经过傅里叶变换操作，再傅里叶逆变换，...
matlab\u5085\u91cc\u53f6\u9006\u53d8\u6362\u95ee\u9898?\uff08F\uff09\u6570\u503c\u5206\u6790\uff1a\u5982\u679c\u4f60\u5b66\u7684\u662f\u6bd4\u8f83\u7eaf\u7406\u79d1\u4e13\u4e1a\uff0c\u5982\u6570\u5b66\uff0c\u7269\u7406\u4e4b\u7c7b\u7684\u8bdd
MATLAB\u662f\u9996\u9009\uff0c\u8f6f\u4ef6\u884c\u4e1a\u662f\u6700\u6d41\u884c\u7684\u529f\u80fd\u662f\u8d85\u5f3a\u3002
\u5404\u79cd\u8ba1\u7b97\uff0c\u53ef\u4ee5\u8fdb\u884c\u65e0\u9650\u671f\u8fde\u5fae\u79ef\u5206\uff0c\u7ebf\u6027\u4ee3\u6570\uff0c\u5085\u7acb\u53f6\u5206\u6790\uff0c
\u89e3\u5fae\u5206\u65b9\u7a0b\u7b49\uff0c\u5b9e\u5728\u662f\u592a\u5f3a\u4e86\uff0c
\u8fd8\u6709\u5f88\u591a\u5176\u4ed6\u7684\u4e13\u4e1a\u7279\u70b9\uff0c\u6211\u5c31\u4e0d\u591a\u8bf4\u4e86\u53ef\u4ee5\u5728\u56e0\u7279\u7f51\u4e0a\u627e\u5230\u3002
\u53e6\u5916\uff0c\u5b83\u4e5f\u662f\u8457\u540d\u7684\u67ab\u6811\uff0c\u6570\u5b66\uff0cMathcad\u4f1a\u7b49
\u662f\u6c42p(x0)\uff0c\u524d\u63d0\u662f\u4f60\u77e5\u9053x0\u5728x\u6570\u7ec4\u4e2d\u7684\u4e0b\u6807\uff0c\u5982\u679c\u90a3\u4e48\u76f4\u63a5\u4f7f\u7528p(x0)\uff1b\u5c31\u662f\u4f60\u8981\u7684\u51fd\u6570\u503c\u3002\u4f60\u7684\u95ee\u9898\u8bf4\u767d\u4e86\u5c31\u662f\u5728P\u8fd9\u4e00\u884c\u6570\u4e2d\u600e\u6837\u6311\u51fa\u5bf9\u5e94x0\u7684\u90a3\u4e2a\u5143\u7d20\uff0c\u8fd9\u53ea\u662f\u7b80\u5355\u7684\u6570\u7ec4\u5143\u7d20\u5bfb\u8bbf\u95ee\u9898\uff0c\u4e3b\u8981\u662f\u77e5\u9053x0\u5728x\u6570\u7ec4\u4e2d\u7684\u4e0b\u6807\u503c\uff0c\u5373x0\u5728P\u6570\u7ec4\u4e2d\u7684\u4e0b\u6807\u503c\uff0c\u4e5f\u5c31\u5f97\u5230p(x0)\u4e86\u3002
冈萨雷斯版<图像处理>里面的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率谱。同样, 傅立叶变换使我们能通过频率成分来分析一个函数。
图像傅立叶变换的物理意义
图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数
傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示空间上各点，则图像可由z=f(x,y)来表示。由于空间是三维的，图像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。为什么要提梯度？因为实际上对图像进行二维傅立叶变换得到频谱图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来讲，梯度大则该点的亮度强，否则该点亮度弱。这样通过观察傅立叶变换后的频谱图，也叫功率图，我们首先就可以看出，图像的能量分布，如果频谱图中暗的点数更多，那么实际图像是比较柔和的（因为各点与邻域差异都不大，梯度相对较小），反之，如果频谱图中亮的点数多，那么实际图像一定是尖锐的，边界分明且边界两边像素差异较大的。对频谱移频到原点以后，可以看出图像的频率分布是以原点为圆心，对称分布的。将频谱移频到圆心除了可以清晰地看出图像频率分布以外，还有一个好处，它可以分离出有周期性规律的干扰信号，比如正弦干扰，一副带有正弦干扰，移频到原点的频谱图上可以看出除了中心以外还存在以某一点为中心，对称分布的亮点集合，这个集合就是干扰噪音产生的，这时可以很直观的通过在该位置放置带阻滤波器消除干扰
另外我还想说明以下几点：
1、图像经过二维傅立叶变换后，其变换系数矩阵表明：
若变换矩阵Fn原点设在中心，其频谱能量集中分布在变换系数短阵的中心附近(图中阴影区)。若所用的二维傅立叶变换矩阵Fn的原点设在左上角，那么图像信号能量将集中在系数矩阵的四个角上。这是由二维傅立叶变换本身性质决定的。同时也表明一股图像能量集中低频区域。
2 、变换之后的图像在原点平移之前四角是低频，最亮，平移之后中间部分是低频，最亮，亮度大说明低频的能量大（幅角比较大）
Cell elements must be character arrays.
单元元素必须为字符数组
绛旓細w=linspace(-50,50,200);y=1./((i.*w).^2+0.2*pi*i.*w+4*pi^2);y=ifft(y,200);铏界劧鍙互浣跨敤鍌呴噷鍙鍙鍙樻崲锛屼絾鏄眰鍑虹殑鍙橀噺y杩樻湁涓瀹氭暟鍊肩殑铏氭暟锛屼絾鏄緢灏忥紝杩欏拰骞冲父姹傝В鐣ユ湁鍖哄埆銆
绛旓細杩欎釜鏄敱浣犵殑鎴柇璇樊閫犳垚鐨勶紝鎴栬呰鏄敱浣犻噰鐢ㄧ殑鍑犻樁鍙樺寲寮曡捣鐨勶紝闃舵暟瓒婂锛岃秺淇濈湡锛屼絾鏄繍绠楅噺瓒婂ぇ锛岄熷害瓒婃參銆
绛旓細浣犵殑鍘熷浘鍍忔槸RGB杩樻槸鐏板害鍥撅紝RGB鐨勮瘽瑕佺敤rgb2gray鍙樻垚鐏板害鍥撅紝鎴栬呭垎寮澶勭悊3涓氶亾
绛旓細锛夛紝鎮ㄦ墍璇寸殑鍩烘尝锛屽簲璇ユ槸杞芥尝鐨勬剰鎬濆惂锛屾瘮濡傛垜浠彂灏勪竴涓皬鑳介噺淇″彿锛岄渶瑕佷竴涓珮棰戠殑杞芥尝浣滀负杞戒綋锛屼竴鑸潵璇磋浇娉㈤兘鏄珮棰戜俊鍙凤紝鎵浠ョ敤matlab涓鐨刦datool浜х敓涓涓綆閫氱殑婊ゆ尝鍣紝閫氬甫鎴棰戠巼瑕佸皬浜庡熀娉㈤鐜囷紝鐒跺悗鐢ㄩ鍩熺殑婊ゆ尝鍣ㄥ搷搴斿拰鍌呴噷鍙跺彉鎹㈢粨鏋滅浉涔橈紝寰楀埌鐨勭粨鏋滃啀鐢╥fft鍋鍌呴噷鍙堕嗗彉鎹灏卞彲浠ヤ簡銆
绛旓細鐩存帴鐢╥fft();渚嬪淇″彿x y=fft(x);%瀵逛俊鍙鍌呴噷鍙跺彉鎹鍒伴鍩 z=ifft(y);%瀵逛俊鍙穣鍌呴噷鍙跺弽鍙樻崲鍒版椂鍩燂紝
绛旓細浠庡浘涓婄湅锛屾槑鏄句綘鏄仛鐨勯珮閫氭护娉紝涓昏闊抽閮芥护鎺変簡锛岃偗瀹氬氨鍙惉鍒颁簺鏉傞煶浜嗐
绛旓細Win10 64浣嶇數鑴 MATLAB R2017a 1.鍌呴噷鍙鍙樻崲 浠庣函绮圭殑鏁板鎰忎箟涓婄湅,鍌呴噷鍙跺彉鎹㈡槸灏嗕竴涓嚱鏁拌浆鎹负涓绯诲垪鍛ㄦ湡鍑芥暟鏉ュ鐞嗙殑銆備粠鐗╃悊鏁堟灉鐪,鍌呴噷鍙跺彉鎹㈡槸灏嗗浘鍍忎粠绌洪棿鍩熻浆鎹㈠埌棰戠巼鍩,鍏閫嗗彉鎹鏄皢鍥惧儚浠庨鐜囧煙杞崲鍒扮┖闂村煙銆傛崲鍙ヨ瘽璇,鍌呴噷鍙跺彉鎹㈢殑鐗╃悊鎰忎箟鏄皢鍥惧儚鐨勭伆搴﹀垎甯冨嚱鏁板彉鎹负鍥惧儚鐨勯鐜囧垎甯冨嚱鏁般 鍌...
绛旓細(1)matlab鏄寜鍒楀偍瀛樼殑锛屽綋鐒跺彲浠ヤ娇1*256鐨勪簡锛屼笉杩囬渶瑕佽嚜宸辫銆鍌呴噷鍙鍙樺寲鏄绉板彉鍖栵紝涓鑸兘瑕佹眰鏁版嵁涓暟鏄2鐨勫箓娆°傦紙2锛塼fr瀵硅皝鍋歠ft鍙樻崲锛宖ft灏卞拰璋佹槸鍚屾牱澶у皬鐨勭煩闃点傦紙3锛変笂闈㈣浜嗭紝fft鍙樻崲鍚庣殑娉㈣氨鏄绉扮殑锛屽鏋渢fr鏄256鐨勮瘽锛屽彧闇鍙256/2=128涓氨琛屻傦紙4锛夐殢鏈烘暟缁勬垨鍘熸暟鎹綋涓暟鎹...
绛旓細浣犲彸闈㈢殑璧峰鏃堕棿锛屽懆鏈熸暟锛屽拰棰戠巼鍟ョ殑鍙兘璁剧疆鐨勪笉瀵癸紝浣犳敼涓鏀癸紝璇曡瘯
绛旓細涓嶆槸锛宒im琛ㄧず缁村害銆備緥濡傚綋X鏄竴涓簩缁寸煩闃垫椂锛宒im=1鏃惰〃绀虹殑鏄ifft锛宒im=2鏄〃绀哄垪鐨刬fft銆備负浜哾im涓庡墠闈㈢殑ifft(X,n)涓殑n涓嶆贩娣嗭紝灏卞湪涓棿鍔犱簡涓涓猍]锛屽繀椤昏鍔犱笂杩欎釜涓滀笢銆
