189 8069 5689
file=get(handles.edit1,'string'); % 得到图像文件名和路径
在云龙等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供成都网站制作、做网站 网站设计制作按需规划网站,公司网站建设,企业网站建设,高端网站设计,成都全网营销,外贸营销网站建设,云龙网站建设费用合理。
X=imread(file); % 读入图像
fftI=fft2(X); % 傅立叶转换
sfftI=fftshift(fftI); % 平移
RR=real(sfftI); % 实部
II=imag(sfftI); % 虚部
A=sqrt(RR.^2+II.^2); % 距离
A=(A-min(min(A)))/(max(max(A))-min(min(A)))*255;
axes(handles.axes2); % 设置图像显示轴
imshow(A); % 显示图像
快速离散二维傅里叶变换
I=imread('Miss.bmp');
figure(1)
[m,n]=size(I)
for k=1:n
wht(:,k)=hadmard(m)*I(:,k)/m;
end %沃尔什变换
以上在matlab实现
你好，这是我的回答，希望可以帮到你。
1）结果讨论
一，如果对信号进行同样点数N的FFT变换，采样频率fs越高，则可以分析越高频的信号；与此同时，采样频率越低，对于低频信号的频谱分辨率则越好。
二，假设采样点不在正弦信号的波峰、波谷、以及0电压处，频谱则会产生泄露（leakage）。
三，对于同样的采样率fs，提高FFT的点数N，则可提高频谱的分辨率。
四，如果采样频率fs小于2倍信号频率2*fs（奈圭斯特定理），则频谱分析结果会出错。
五，对于（二）中泄露现象，可以通过在信号后面补零点解决。
2）程序及注解如下
%清除命令窗口及变量
clc;
clear all;
%输入f、N、T、是否补零（补几个零）
f=input('Input frequency of the signal: f\n');
N=input('Input number of pointsl: N\n');
T=input('Input sampling time: T\n');
flag=input('Add zero too sampling signal or not? yes=1 no=0\n');
if(flag)
ZeroNum=input('Input nmber of zeros\n');
else
ZeroNum=0;
end
%生成信号，signal是原信号。signal为采样信号。
fs=1/T;
t=0:0.00001:T*(N+ZeroNum-1);
signal=sin(2*pi*f*t);
t2=0:T:T*(N+ZeroNum-1);
signal2=sin(2*pi*f*t2);
if (flag)
signal2=[signal2 zeros(1, ZeroNum)];
end
%画出原信号及采样信号。
figure;
subplot(2,1,1);
plot(t,signal);
xlabel('Time(s)');
ylabel('Amplitude(volt)');
title('Singnal');
hold on;
subplot(2,1,1);
stem(t2,signal2,'r');
axis([0 T*(N+ZeroNum) -1 1]);
%作FFT变换，计算其幅值，归一化处理，并画出频谱。
Y = fft(signal2,N);
Pyy = Y.* conj(Y) ;
Pyy=(Pyy/sum(Pyy))*2;
f=0:fs/(N-1):fs/2;4
subplot(2,1,2);
bar(f,Pyy(1:N/2));
xlabel('Frequency(Hz)');
ylabel('Amplitude');
title('Frequency compnents of signal');
axis([0 fs/2 0 ceil(max(Pyy))])
grid on;
祝你好运！
我可以帮助你，你先设置我最佳答案后，我百度Hii教你。
1、二维FFT相当于对行和列分别进行一维FFT运算。具体的实现办法如下：
先对各行逐一进行一维FFT，然后再对变换后的新矩阵的各列逐一进行一维FFT。相应的伪代码如下所示：
for (int i=0; iM; i++)
FFT_1D(ROW[i]，N);
for (int j=0; jN; j++)
FFT_1D(COL[j]，M);
其中，ROW[i]表示矩阵的第i行。注意这只是一个简单的记法，并不能完全照抄。还需要通过一些语句来生成各行的数据。同理，COL[i]是对矩阵的第i列的一种简单表示方法。
所以，关键是一维FFT算法的实现。
2、例程：
#include stdio.h
#include math.h
#include stdlib.h
#define N 1000
/*定义复数类型*/
typedef struct{
double real;
double img;
}complex;
complex x[N], *W; /*输入序列,变换核*/
int size_x=0; /*输入序列的大小，在本程序中仅限2的次幂*/
double PI; /*圆周率*/
void fft(); /*快速傅里叶变换*/
void initW(); /*初始化变换核*/
void change(); /*变址*/
void add(complex ,complex ,complex *); /*复数加法*/
void mul(complex ,complex ,complex *); /*复数乘法*/
void sub(complex ,complex ,complex *); /*复数减法*/
void output();
int main(){
int i; /*输出结果*/
system("cls");
PI=atan(1)*4;
printf("Please input the size of x:\n");
scanf("%d",size_x);
printf("Please input the data in x[N]:\n");
for(i=0;isize_x;i++)
scanf("%lf%lf",x[i].real,x[i].img);
initW();
fft();
output();
return 0;
}
/*快速傅里叶变换*/
void fft(){
int i=0,j=0,k=0,l=0;
complex up,down,product;
change();
for(i=0;i log(size_x)/log(2) ;i++){ /*一级蝶形运算*/
l=1i;
for(j=0;jsize_x;j+= 2*l ){ /*一组蝶形运算*/
for(k=0;kl;k++){ /*一个蝶形运算*/
mul(x[j+k+l],W[size_x*k/2/l],product);
add(x[j+k],product,up);
sub(x[j+k],product,down);
x[j+k]=up;
x[j+k+l]=down;
}
}
}
}
/*初始化变换核*/
void initW(){
int i;
W=(complex *)malloc(sizeof(complex) * size_x);
for(i=0;isize_x;i++){
W[i].real=cos(2*PI/size_x*i);
W[i].img=-1*sin(2*PI/size_x*i);
}
}
/*变址计算，将x(n)码位倒置*/
void change(){
complex temp;
unsigned short i=0,j=0,k=0;
double t;
for(i=0;isize_x;i++){
k=i;j=0;
t=(log(size_x)/log(2));
while( (t--)0 ){
j=j1;
j|=(k 1);
k=k1;
}
if(ji){
temp=x[i];
x[i]=x[j];
x[j]=temp;
}
}
}
/*输出傅里叶变换的结果*/
void output(){
int i;
printf("The result are as follows\n");
for(i=0;isize_x;i++){
printf("%.4f",x[i].real);
if(x[i].img=0.0001)printf("+%.4fj\n",x[i].img);
else if(fabs(x[i].img)0.0001)printf("\n");
else printf("%.4fj\n",x[i].img);
}
}
void add(complex a,complex b,complex *c){
c-real=a.real+b.real;
c-img=a.img+b.img;
}
void mul(complex a,complex b,complex *c){
c-real=a.real*b.real - a.img*b.img;
c-img=a.real*b.img + a.img*b.real;
}
void sub(complex a,complex b,complex *c){
c-real=a.real-b.real;
c-img=a.img-b.img;
}