为什么傅立叶变换可用于图像识别,同时对噪声敏感？

我们知道傅立叶变换对噪声敏感(如盐和辣椒),

它怎么还可以用于图像识别？

这里有FT专家吗？

更新以实际回答您提出的问题... :)使用非线性过滤器预处理图像以抑制盐和胡椒噪音.中位数过滤器可能吗？

有关匹配滤波器上FFT的基本教训如下......

在较大图像中检测较小图像的经典方法是匹配滤波器.从本质上讲,这涉及将较大的图像与较小的图像(您想要识别的东西)进行互相关.

对于较大图像中的每个位置

在较大的图像上叠加较小的图像

将所有相应的像素相乘

总结结果

将该总和放在过滤后的图像中的此位置

匹配滤波器是最佳的,其中较大图像中的唯一噪声是白噪声.

这在计算上很慢,但它可以分解为FFT(快速傅里叶变换)操作,这些操作效率更高.有更复杂的图像匹配方法可以比匹配滤波器更好地容忍其他类型的噪声.但很少有与使用FFT实现的匹配滤波器一样有效.

谷歌"匹配过滤器","互相关"和"卷积过滤器"更多.

例如,这里有一个简短的解释,也指出了这种非常古老的学校图像匹配方法的缺点:http://www.dspguide.com/ch24/6.htm