标签：平移 FT log 缩放 fx M1 M2 theta aligned
对图像进行平移，只会改变频域空间的相位，不会改变幅值：
f
2
(
x
,
y
)
=
f
1
(
x
−
x
0
,
y
−
y
0
)
F
2
(
f
x
,
f
y
)
=
e
−
j
2
π
(
f
x
x
+
f
y
y
)
×
F
1
(
f
x
,
f
y
)
M
1
=
M
2
,
w
i
t
h
M
i
=
∣
F
i
∣
\begin{aligned} &f_2(x,y)=f_1(x-x_0,y-y_0)\\ &F_2(f_x,f_y)=e^{-j2\pi(f_xx+f_yy)}\times F_1(f_x,f_y)\\ &M_1=M_2,with\;M_i=|F_i| \end{aligned}
f2(x,y)=f1(x−x0,y−y0)F2(fx,fy)=e−j2π(fxx+fyy)×F1(fx,fy)M1=M2,withMi=∣Fi∣
对图像进行旋转，相当于频域空间极坐标下角度的平移：
f
2
(
x
,
y
)
=
f
1
(
x
c
o
s
θ
0
+
y
s
i
n
θ
0
,
−
x
s
i
n
θ
0
+
y
c
o
s
θ
0
)
M
2
(
f
x
,
f
y
)
=
M
1
(
f
x
c
o
s
θ
0
+
f
y
s
i
n
θ
0
,
−
f
x
s
i
n
θ
0
+
f
y
c
o
s
θ
0
)
M
1
(
ρ
,
θ
)
=
M
2
(
ρ
,
θ
−
θ
0
)
\begin{aligned} &f_2(x,y)=f_1(xcos\theta_0+ysin\theta_0,-xsin\theta_0+ycos\theta_0)\\ &M_2(f_x,f_y)=M_1(f_xcos\theta_0+f_ysin\theta_0,-f_xsin\theta_0+f_ycos\theta_0)\\ &M_1(\rho,\theta)=M_2(\rho,\theta-\theta_0) \end{aligned}
f2(x,y)=f1(xcosθ0+ysinθ0,−xsinθ0+ycosθ0)M2(fx,fy)=M1(fxcosθ0+fysinθ0,−fxsinθ0+fycosθ0)M1(ρ,θ)=M2(ρ,θ−θ0)
对图像的缩放，相当于频域空间极坐标下半径取对数的平移：
f
2
(
x
,
y
)
=
f
1
(
a
x
,
b
y
)
F
2
(
f
x
,
f
y
)
=
1
∣
a
b
∣
F
1
(
f
x
a
,
f
y
b
)
F
2
(
log
f
x
,
log
f
y
)
=
F
1
(
log
f
x
−
log
a
,
l
o
g
f
y
−
log
b
)
M
1
(
log
ρ
,
θ
)
=
M
2
(
log
ρ
−
log
a
,
θ
)
\begin{aligned} &f_2(x,y)=f_1(ax,by)\\ &F_2(f_x,f_y)=\frac{1}{|ab|}F_1(\frac{f_x}{a},\frac{f_y}{b})\\ &F_2(\log f_x,\log f_y)=F_1(\log f_x-\log a,logf_y-\log b)\\ &M_1(\log\rho,\theta)=M_2(\log\rho-\log a,\theta) \end{aligned}
f2(x,y)=f1(ax,by)F2(fx,fy)=∣ab∣1F1(afx,bfy)F2(logfx,logfy)=F1(logfx−loga,logfy−logb)M1(logρ,θ)=M2(logρ−loga,θ)
综上，若
f
2
f_2
f2相对于
f
1
f_1
f1平移任意尺度，缩放a倍，旋转角度
θ
0
\theta_0
θ0时，它们在频域的幅值有以下关系
M
1
(
ξ
,
θ
)
=
M
2
(
ξ
−
d
,
θ
−
θ
0
)
w
i
t
h
ξ
=
log
ρ
,
d
=
log
a
\begin{aligned} &M_1(\xi,\theta) = M_2(\xi-d,\theta-\theta_0)\\ &with\;\;\xi=\log\rho,d=\log a \end{aligned}
M1(ξ,θ)=M2(ξ−d,θ−θ0)withξ=logρ,d=loga
在这个基础上，猜想若将
M
1
M_1
M1和
M
2
M_2
M2以对数极坐标表示，再对它们做傅里叶变换，
M
1
M_1
M1和
M
2
M_2
M2傅里叶变换幅值相等，即
∣
F
(
M
1
)
∣
=
∣
F
(
M
2
)
∣
|\mathcal{F}(M_1)|=|\mathcal{F}(M_2)|
∣F(M1)∣=∣F(M2)∣
记作
M
1
=
M
2
\mathcal{M}_1=\mathcal{M}_2
M1=M2
这相当于即使
f
2
f_2
f2相对于
f
1
f_1
f1做了一系列仿射变换，但是仍可通过一系列变换从两张图像中提取出一种相等的特征。
标签：平移,FT,log,缩放,fx,M1,M2,theta,aligned 来源： https://blog.csdn.net/qq_39573785/article/details/113361273
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。