### 二维傅里叶变换图像的平移与旋转 以下提供了基于Python实现的二维傅里叶变换对图像进行平移和旋转的手写代码方法。代码中详细说明了如何通过调整频谱相位信息实现平移，以及如何通过对频谱插值实现旋转。 #### 平移操作 平移操作可以通过调整傅里叶变换后的频谱相位来完成。假设需要将图像在 \(x\) 方向平移 \(dx\)，在 \(y\) 方向平移 \(dy\)，则可以通过以下公式计算新的频谱： \[ F'(u, v) = F(u, v) \cdot e^{-2\pi i (u dx + v dy)} \] 以下是实现平移功能的代码[^1]： ```python import numpy as np def fft_shift(image, dx, dy): # 计算傅里叶变换 fft_image = np.fft.fft2(image) # 构建频率坐标 rows, cols = image.shape u = np.fft.fftfreq(rows).reshape(-1, 1) v = np.fft.fftfreq(cols) # 计算相位调整因子 phase_shift = np.exp(-2j * np.pi * (u * dx + v * dy)) # 应用相位调整 shifted_fft = fft_image * phase_shift # 计算逆傅里叶变换 shifted_image = np.fft.ifft2(shifted_fft).real return shifted_image ``` #### 旋转操作 旋转操作可以通过对傅里叶变换后的频谱进行插值来实现。假设需要将图像旋转角度 \( \theta \)，则可以使用 `scipy.ndimage.rotate` 函数对频谱进行旋转，并确保频谱大小保持不变[^3]。 以下是实现旋转功能的代码[^2]： ```python from scipy.ndimage import rotate def fft_rotate(image, angle): # 计算傅里叶变换并中心化 fft_image = np.fft.fftshift(np.fft.fft2(image)) # 对频谱进行旋转 rotated_fft = rotate(fft_image, angle, reshape=False) # 反中心化并计算逆傅里叶变换 rotated_image = np.fft.ifft2(np.fft.ifftshift(rotated_fft)).real return rotated_image ``` #### 展示结果 为了更好地展示傅里叶变换的结果，通常需要对频谱取对数以调整数据范围[^4]。以下是实现频谱显示的代码： ```python import matplotlib.pyplot as plt def display_fourier(image): # 计算傅里叶变换并中心化 fft_image = np.fft.fftshift(np.fft.fft2(image)) # 计算频谱幅度并取对数 magnitude_spectrum = np.log(np.abs(fft_image) + 1) # 显示频谱图 plt.imshow(magnitude_spectrum, cmap='gray') plt.title("Fourier Magnitude Spectrum"), plt.xticks([]), plt.yticks([]) plt.show() ``` 上述代码展示了如何通过调整频谱相位信息实现图像平移，以及如何通过对频谱插值实现图像旋转。