我有一个纹理图像，它有一些局部形状均匀或不均匀分布。我想通过 FFT 计算这些局部形状的周期。有人可以帮帮我吗？
这是图片：
FFT 后的幅度：
FFT 之后的阶段：
【问题讨论】：
量级是您所需要的。 FFT 中强烈的东西线是该方向重复的结果。事实上，当您查看实际纹理时，您会发现这些条带确实在重复。
与这些带正交的结构有限，从我们有 3 条均匀分布的东西线这一事实可以看出。
这 3 条线并不完全是东西线；它们顺时针旋转了大约 10 度。初始图像也是如此，其中波段也被旋转。纹理的周期由 3 条线之间的距离以及沿这些线的强度变化给出。
【讨论】：
除了将数据减少为点集到角点的讨论之外，您还需要边缘或其他方法来做到这一点。
有一个边缘检测器，它使用傅立叶变换和单基因滤波器的原理在频域中运行，然后转换到空间域。
Peter Kovesi 关于相位一致性的工作是可用的 http://www.peterkovesi.com/matlabfns/PhaseCongruency/phasecongmono.m
代码生成相位角图像，可与细化的相位一致性图像一起使用以查找边缘。
如果您将参数设置为允许更多“噪声”，则也会拾取较小的纹理。
注意：我正在尝试合并我在下一个 cmets 中添加的信息以及作为单独答案添加的信息，这两者都应该是其中的一部分 所以会有一些冗余：
如果您对 FFT 感到困惑，可以将它们作为一维信号阅读，以了解空间域和频域。然后，您可能会对诸如相位一致性等主题感兴趣，这些主题试图查看信号的频率以设计在空间域上运行的频域滤波器。关于您的纹理问题，我认为将其减少到角落等关键点会将信息减少为重要的空间信息。我最近使用相位一致性在我的建筑物图像中找到“噪声”，然后从中制作屋顶纹理的代表性补丁，然后从中制作频域滤波器并将其应用于空间域图像。在空间域中应用颜色和强度过滤器，然后可以在整个图像中很好地发现屋顶纹理……因此，稀疏重要点的 FFT 可能对您回答问题更有帮助。
【讨论】：
傅立叶或快速傅立叶变换是间距模式的叠加。您的图像的每个像素都有一个点，这会导致 FFT 中许多信号的叠加。您可能希望将图像缩小到角落或交叉点，然后制作这些点的 FFT 图像。例如，从简单网格的图像制作 FFT 点数（除您的值 > 0 的点外全为零）。 您可以看到通过 FFT 图像的水平切片的垂直切片将显示原始图像中存在的间距分量。您可以旋转点网格以查看 FFT 多快变成更复杂的叠加。
【讨论】：