1楼：喵喵喵
本质上讲，傅里叶变换，是把一个复杂事物，拆解成一堆标准化的简单事物的方法。拿声音举例，我们知道声音是物体振动发出的，它是一种波，通过空气或其他介质进行传播。
如果用声波记录仪记录并显示这些波的振动形式，会发现生活中的绝大部分的声音是都是非常复杂甚至杂乱无章的。
扩展资料
根据原信号的不同类型，我们可以把傅里叶变换分为四种类别：
1、非周期性连续信号傅里叶变换（fourier transform）
2、周期性连续信号傅里叶级数(fourier series)
3、非周期性离散信号离散时域傅里叶变换（discrete time fourier transform）
4、周期性离散信号离散傅里叶变换(discrete fourier transform)
2楼：七情
我通信的 可以给你通俗的说一下 傅里叶变换。举个例子先，你看一场nba比赛咋看？直接看直播不是；但是另外一种情况，我们还看这些东西，比如那些统计数据，得分，篮板，助攻，盖帽啥的。
其实这些统计数据相当于从另外一种方法诠释了这场比赛。同理，对一个信号，我们一般看到的仅仅是它的时域波形，但在很多情况下，仅仅了解时域波形不足以了解这个函数的全部信息，因而我们需要从另外一个维度去看这个信号。傅里叶变换就是从频域看这个信号。
而时域和频域转化的落脚点就是那两个经典的公式。举个经典的例子，函数f=cos(2πt)，时域图像，就是一个余弦，你能从函数图像直接看到啥？最大值最小值 周期。。。
再看他的傅里叶变换后的函数图像，仅仅是两个尖脉冲，这两个脉冲只在特定的频率处有值。我们从中可以明确看到这个函数的频率信息。对于复杂的信号，更是如此。
简单应用，滤波。。。举个简单例子，假如有两个信号f=cos(2πt)和f=cos(2000πt)，但是现在两个信号混叠在一起，我们要把他们分离。对他们各自进行傅里叶变换后。
很明显两个信号在频域特征特别容易分离，我们依据这个，适当采用滤波器。就能进行分离。复杂信号也是如此。
说的有点啰嗦了。。。。
傅里叶变换是什么？有什么应用？？
3楼：匿名用户
傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。最初傅里叶分析是作为热过程的解析分析的工具被提出的。
傅里叶变换在物理学、电子类学科、数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学、海洋学、结构动力学等领域都有着广泛的应用（例如在信号处理中，傅里叶变换的典型用途是将信号分解成幅值分量和频率分量）。
转的呵呵
4楼：lc振荡器
傅立叶变换在图像处理中有非常非常的作用。因为不仅傅立叶分析涉及图像处理的很多方面，傅立叶的改进算法，
比如离散余弦变换，gabor与小波在图像处理中也有重要的分量。
印象中，傅立叶变换在图像处理以下几个话题都有重要作用：1.图像增强与图像去噪绝大部分噪音都是图像的高频分量，通过低通滤波器来滤除高频——噪声; 边缘也是图像的高频分量，可以通过添加高频分量来增强原始图像的边缘；2.
图像分割之边缘检测提取图像高频分量3.图像特征提取：形状特征：
傅里叶描述子纹理特征：直接通过傅里叶系数来计算纹理特征其他特征：将提取的特征值进行傅里叶变换来使特征具有平移、伸缩、旋转不变性4.
图像压缩可以直接通过傅里叶系数来压缩数据；常用的离散余弦变换是傅立叶变换的实变换；
傅立叶变换傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。连续情况下要求原始信号在一个周期内满足绝对可积条件。离散情况下，傅里叶变换一定存在。
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。
傅立叶变换有很多优良的性质。比如线性，对称性（可以用在计算信号的傅里叶变换里面）;
时移性：函数在时域中的时移，对应于其在频率域中附加产生的相移，而幅度频谱则保持不变；
频移性：函数在时域中乘以e^jwt，可以使整个频谱搬移w。这个也叫调制定理，通讯里面信号的频分复用需要用到这个特性（将不同的信号调制到不同的频段上同时传输）；卷积定理：
时域卷积等于频域乘积；时域乘积等于频域卷积（附加一个系数）。（图像处理里面这个是个重点）
信号在频率域的表现在频域中，频率越大说明原始信号变化速度越快；频率越**明原始信号越平缓。当频率为0时，表示直流信号，没有变化。因此，频率的大小反应了信号的变化快慢。
高频分量解释信号的突变部分，而低频分量决定信号的整体形象。在图像处理中，频域反应了图像在空域灰度变化剧烈程度，也就是图像灰度的变化速度，也就是图像的梯度大小。对图像而言，图像的边缘部分是突变部分，变化较快，因此反应在频域上是高频分量；图像的噪声大部分情况下是高频部分；图像平缓变化部分则为低频分量。
也就是说，傅立叶变换提供另外一个角度来观察图像，可以将图像从灰度分布转化到频率分布上来观察图像的特征。书面一点说就是，傅里叶变换提供了一条从空域到频率自由转换的途径。对图像处理而言，以下概念非常的重要：
图像高频分量：图像突变部分；在某些情况下指图像边缘信息，某些情况下指噪声，更多是两者的混合；低频分量：图像变化平缓的部分，也就是图像轮廓信息高通滤波器：
让图像使低频分量抑制，高频分量通过低通滤波器：与高通相反，让图像使高频分量抑制，低频分量通过带通滤波器：使图像在某一部分的频率信息通过，其他过低或过高都抑制还有个带阻滤波器，是带通的反。
模板运算与卷积定理在时域内做模板运算，实际上就是对图像进行卷积。模板运算是图像处理一个很重要的处理过程，很多图像处理过程，比如增强/去噪（这两个分不清楚），边缘检测中普遍用到。根据卷积定理，时域卷积等价与频域乘积。
因此，在时域内对图像做模板运算就等效于在频域内对图像做滤波处理。比如说一个均值模板，其频域响应为一个低通滤波器；在时域内对图像作均值滤波就等效于在频域内对图像用均值模板的频域响应对图像的频域响应作一个低通滤波。
图像去噪图像去噪就是压制图像的噪音部分。因此，如果噪音是高频额，从频域的角度来看，就是需要用一个低通滤波器对图像进行处理。通过低通滤波器可以抑制图像的高频分量。
但是这种情况下常常会造成边缘信息的抑制。常见的去噪模板有均值模板，高斯模板等。这两种滤波器都是在局部区域抑制图像的高频分量，模糊图像边缘的同时也抑制了噪声。
还有一种非线性滤波-中值滤波器。中值滤波器对脉冲型噪声有很好的去掉。因为脉冲点都是突变的点，排序以后输出中值，那么那些最大点和最小点就可以去掉了。
中值滤波对高斯噪音效果较差。
椒盐噪声：对于椒盐采用中值滤波可以很好的去除。用均值也可以取得一定的效果，但是会引起边缘的模糊。高斯白噪声：白噪音在整个频域的都有分布，好像比较困难。
冈萨雷斯版图像处理p185：算术均值滤波器和几何均值滤波器（尤其是后者）更适合于处理高斯或者均匀的随机噪声。谐波均值滤波器更适合于处理脉冲噪声。
图像增强有时候感觉图像增强与图像去噪是一对矛盾的过程，图像增强经常是需要增强图像的边缘，以获得更好的显示效果，这就需要增加图像的高频分量。而图像去噪是为了消除图像的噪音，也就是需要抑制高频分量。有时候这两个又是指类似的事情。
比如说，消除噪音的同时图像的显示效果显著的提升了，那么，这时候就是同样的意思了。常见的图像增强方法有对比度拉伸，直方图均衡化，图像锐化等。前面两个是在空域进行基于像素点的变换，后面一个是在频域处理。
我理解的锐化就是直接在图像上加上图像高通滤波后的分量，也就是图像的边缘效果。对比度拉伸和直方图均衡化都是为了提高图像的对比度，也就是使图像看起来差异更明显一些，我想，经过这样的处理以后，图像也应该增强了图像的高频分量，使得图像的细节上差异更大。同时也引入了一些噪音
傅里叶变换有什么用？
5楼：匿名用户
傅里叶变换是数字信号处理
领域一种很重要的算法。要知道傅里叶变换算法的意义，首先要了解傅里叶原理的意义。
傅里叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅里叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。
和傅里叶变换算法对应的是反傅里叶变换算法。该反变换从本质上说也是一种累加处理，这样就可以将单独改变的正弦波信号转换成一个信号。
因此，可以说，傅里叶变换将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱），可以利用一些工具对这些频域信号进行处理、加工。最后还可以利用傅里叶反变换将这些频域信号转换成时域信号。
从现代数学的眼光来看，傅里叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。
在数学领域，尽管最初傅里叶分析是作为热过程的解析分析的工具，但是其思想方法仍然具有典型的还原论和分析主义的特征。"任意"的函数通过一定的分解，都能够表示为正弦函数的线性组合的形式，而正弦函数在物理上是被充分研究而相对简单的函数类：
1、傅里叶变换是线性算子,若赋予适当的范数,它还是酉算子；
2、傅里叶变换的逆变换容易求出,而且形式与正变换非常类似；
4、离散形式的傅里叶的物理系统内,频率是个不变的性质,从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取；
5、著名的卷积定理指出:傅里叶变换可以化复变换可以利用数字计算机快速的算出(其算法称为快速傅里叶变换算法(fft))。
正是由于上述的良好性质,傅里叶变换在物理学、数论、组合数学、信号处理、概率、统计、密码学、声学、光学等领域都有着广泛的应用。
扩展资料
傅里叶生于法国中部欧塞尔（auxerre）一个裁缝家庭，9岁时沦为孤儿，被当地一主教收养。1780年起就读于地方军校，1795年任巴黎综合工科大学助教，1798年随拿破仑军队远征埃及，受到拿破仑器重，回国后于1801年被任命为伊泽尔省格伦诺布尔地方长官。
傅里叶早在1807年就写成关于热传导的基本**《热的传播》，向巴黎科学院呈交，但经拉格朗日、拉普拉斯和勒让德审阅后被科学院拒绝，1811年又提交了经修改的**，该文获科学院大奖，却未正式发表。
傅里叶在**中推导出著名的热传导方程 ，并在求解该方程时发现解函数可以由三角函数构成的级数形式表示，从而提出任一函数都可以展成三角函数的无穷级数。傅里叶级数（即三角级数）、傅里叶分析等理论均由此创始。
傅里叶由于对传热理论的贡献于1817年当选为巴黎科学院院士。
1822年，傅里叶终于出版了专著《热的解析理论》（theorieanalytique de la chaleur ，didot ，paris，1822）。这部经典著作将欧拉、伯努利等人在一些特殊情形下应用的三角级数方法发展成内容丰富的一般理论，三角级数后来就以傅里叶的名字命名。
傅里叶应用三角级数求解热传导方程，为了处理无穷区域的热传导问题又导出了当前所称的“傅里叶积分”，这一切都极大地推动了偏微分方程边值问题的研究。
然而傅里叶的工作意义远不止此，它迫使人们对函数概念作修正、推广，特别是引起了对不连续函数的**；三角级数收敛性问题更刺激了集合论的诞生。因此，《热的解析理论》影响了整个19世纪分析严格化的进程。傅里叶1822年成为科学院终身秘书。
由于傅里叶极度痴迷热学，他认为热能包治百病，于是在一个夏天，他关上了家中的门窗，穿上厚厚的衣服，坐在火炉边，结果因co中毒不幸身亡，1830年5月16日卒于法国巴黎。
老师能举个具体的例子说明一下什么是逆序数吗
1楼 匿名用户 54321的逆序数为0 1 2 3 4 10 什么叫逆序数 2楼 浮生栀 一个排列中所有逆序总数叫做这个排列的逆序数。 在一个排列中，如果一对数的前后位置与大小顺序相反，即前面的数大于后面的数，那么它们就称为一个逆序。 一个排列中逆序的总数就称为这个排列的逆序数。一个排列中所有逆序总...
麻烦告知一下像这种泼墨手写字是用什么软件做出来的
1楼 匿名用户 medibang paint 或者是美易 谁知道以下这些 是什么软件弄起来的。麻烦告知一下好吗？ 2楼 微电商 天天向上里面有这样花式晒单，这个图有没有没注意 谁知道这是什么字体 急用，知道的麻烦告知一下 谢谢 3楼 老双 应该是din engschrift std字体或者是din ...
想问下七年前的电脑能提升一下吗,我想问一下我这样的电脑配置应该换一些什么配置在高一点 硬盘 显卡都应该换是吗？内存这样够用把？？在线
1楼 漂流的电子 想怎样提升， 用途是什么。 普通办公使用， 不用提升也可以了，。 想看高清影视， 换个好点的显卡。 打游戏的话， 换的比较多， 不建议换配件， 建议整体一起换。 想让电脑运行更稳定， 开机速度更快，系统反映速度更快， 换个固态硬盘来装系统就可以了 。 2楼 大眼拉链 e7500的c...