上节提到,走样的本质原因是信号的变化速度太快,采样的速度跟不上。

变化速度与采样速度,都是与频率相关的概念,因此本节从频域的角度来分析走样问题。

频域的相关概念

余弦波

\(\cos 2\pi fx\),其中f代表频率。f越大,则信号变化越快。

傅里叶级数展开:

任何一个周期函数可以写成:不同频率的正/余弦函数的线性组合,以及一个常数。

❓ 非周期函数会怎么样呢?

傅里叶变换(可逆)

傅里叶变换是指把函数转为它在频域上级数展开的形式。

函数与采样的关系

函数的频率

基于傅里叶变换,可以把函数分解为不同的频率的函数[24:51]

频率高,即代表信号变化快。也就是说,一个函数是由各种不同频率的信号混合而成的。

采样的频率

[24:51]

以相同采样频率对以上函数采样

通过采样点能恢复出低频信息,不能恢复出高频信息。

[29:00]

走样的本质原因的数学描述:两个不同频率(蓝黑)的信号,在某采样频率下,得到了完全相同的采样点,因此无法区分。

图像中的频率成分[29:32]

对图像信息做傅里叶变换,就可以把图像(时域信息)转成频域信息[31:01]:

图像的频域图具有以下特点:

  • 图中点越亮代表此处频率的能量越高
  • 图像中的信息大部分为低频信息(自然生成的图像都有此特点)
  • 由于强行把图像周期化,红色框中的亮线是图像跨越边界时产生的高频信息,这些高频信息可以忽略。

高通 filter [34:21]

滤波:即把某些信息(即特定的频率分量)去掉。

保留频域图中的高频信息,再通过逆傅里叶变换把频域图恢复成原始图像。发现图像只剩下了原图的轮廓部分。

解释:

保留的高频信息对应于图像边界。因为图像边缘为信号的剧变处。

低通 filter [36:19]

同理,只保留图像的低频信息,图像会变模糊,失去边界


本文出自CaterpillarStudyGroup,转载请注明出处。
https://caterpillarstudygroup.github.io/GAMES101_mdbook/