在java中使用FFT的图像增强

Question

我正在研究使用快速傅里叶变换的指纹图像增强。我从这个网站上得到了这个想法。

我已经使用 32*32 窗口实现了 FFT 功能，之后按照推荐网站的建议，我想将power spectrum乘以FFT。但我没有得到，

如何计算图像的功率谱？或者功率谱有什么理想的值吗？

FFT代码：

public FFT(int[] pixels, int w, int h) {
    // progress = 0;
    input = new TwoDArray(pixels, w, h);
    intermediate = new TwoDArray(pixels, w, h);
    output = new TwoDArray(pixels, w, h);
    transform();
}
  void transform() {
    for (int i = 0; i < input.size; i+=32) {
        for(int j = 0; j < input.size; j+=32){
            ComplexNumber[] cn = recursiveFFT(input.getWindow(i,j));
            output.putWindow(i,j, cn);
        }
    }
    for (int j = 0; j < output.values.length; ++j) {
        for (int i = 0; i < output.values[0].length; ++i) {
            intermediate.values[i][j] = output.values[i][j];
            input.values[i][j] = output.values[i][j];
        }
    }
}
static ComplexNumber[] recursiveFFT(ComplexNumber[] x) {
 int N = x.length;
    // base case
    if (N == 1) return new ComplexNumber[] { x[0] };
    // radix 2 Cooley-Tukey FFT
    if (N % 2 != 0) { throw new RuntimeException("N is not a power of 2"); }
    // fft of even terms
    ComplexNumber[] even = new ComplexNumber[N/2];
    for (int k = 0; k < N/2; k++) {
        even[k] = x[2*k];
    }
    ComplexNumber[] q = recursiveFFT(even);
    // fft of odd terms
    ComplexNumber[] odd  = even;  // reuse the array
    for (int k = 0; k < N/2; k++) {
        odd[k] = x[2*k + 1];
    }
    ComplexNumber[] r = recursiveFFT(odd);
    // combine
    ComplexNumber[] y = new ComplexNumber[N];
    for (int k = 0; k < N/2; k++) {
        double kth = -2 * k * Math.PI / N;
        ComplexNumber wk = new ComplexNumber(Math.cos(kth), Math.sin(kth));
        ComplexNumber tmp = ComplexNumber.cMult(wk, r[k]);
        y[k] = ComplexNumber.cSum(q[k], tmp);
        ComplexNumber temp = ComplexNumber.cMult(wk, r[k]);
        y[k + N/2] = ComplexNumber.cDif(q[k], temp);
    }
    return y;
}

Answer 1

我认为

功率谱是傅里叶变换输出的平方。

power@givenFrequency = x(x*) where x* is the complex conjugate

然后，图像块中的总功率将是所有频率和空间的总和。

我不知道这是否有帮助。