深入理解傅里叶变换

1 基础概念

1.1 傅里叶级数

1 周期函数

若函数f(x)满足：存在非零常数T，对任意x有f(x+T) = f(x) ，则称f(x) 为周期函数，T为其周期；最小正周期称为基本周期 （记为T₀）。傅里叶级数中，最常用以2π为周期的函数（T=2π），其他周期的函数可通过变量替换转化为2π周期，因此核心研究2π周期函数。

2 三角函数系的正交性

傅里叶级数的本质是在三角函数系中对周期函数做正交分解，类似平面向量在x、y轴上的分解，三角函数系就是周期函数空间的一组正交基。

（1）标准正交三角函数系（2π周期）

{1,cosx ,sinx, cos2x ,sin2x ,...,cosnx ,sinnx,...}
其中n为正整数，1可以看作cos0x。
（2）正交性的定义

对上述三角函数系中任意两个不同的函数φ_m(x)和φ_n​(x)，满足：

对同一个函数，积分结果非零：

（3）核心正交积分公式

正交性的意义：三角函数系中的各个基函数"互不干扰"，分解后的每个正余弦项的系数可独立计算，这是傅里叶级数能求解的关键。

3 傅里叶级数

法国数学家傅里叶认为，任何周期函数都可以用正弦函数和余弦函数构成的无穷级数来表示（选择正弦函数与余弦函数作为基函数是因为它们是正交的），后世称傅里叶级数为一种特殊的三角级数，根据欧拉公式，三角函数又能化成指数形式，也称傅立叶级数为一种指数级数。在数学中，三角级数是任何具有下述形式的级数：

当A_n和B_n具有以下形式时，该级数称为傅立叶级数：

其中f(x)是可积函数。下面给出2π周期函数的傅里叶级数定义：

设f(x)是以2π为周期的函数，且在[-π, π]上可积，则其傅里叶级数为：

符号说明：

~：表示"展开为傅里叶级数"，而非严格相等（需满足收敛条件才相等）；

a₀/2：直流分量/零频项，是函数f(x)在一个周期内的平均值；

a_ncosnx：余弦项/偶次谐波，对应周期函数的偶函数分量；

b_nsinnx：正弦项/奇次谐波，对应周期函数的奇函数分量；

a₀, a_n, b_n：傅里叶系数，是唯一确定的常数，有f(x)决定。

1.2 傅里叶变换

1 欧拉公式（Euler's formula）

其中：e是自然常数，约等于2.71828，i是虚数单位满足i²=-1，θ是复指数的辐角∈R，对应复平面上的旋转角度。对于该公式当θ=π时，有e^iπ + 1 = 0，这个公式在傅里叶变换中起到关键作用。

2 傅里叶变换（Fourier Transform, FT）

傅里叶变换是将时域的连续函数映射到频域连续函数的数学变换，是调和分析的核心工具，揭示了"任意连续周期/非周期函数均可分解为不同频率的正弦/余弦函数叠加"的本质。现给出连续傅里叶变换（Continuous Fourier Transform, CFT）相关定义，适用于定义域为全体实数R、满足狄利克雷条件（Dirichlet）的连续函数f(t)，其中t为时域自变量（通常表示时间），变换后得到频域函数F(ω)，ω为角频率（rad/s）。

（1）正变换（时域→频域）

积分区间(−∞,+∞)对应非周期函数的时域是无限的，需对全体实数域积分，变换本质是：用所有频率的复指数函数作为"基函数"，对f(t)做投影。

（2）逆变换（频域→时域）

傅里叶变换是可逆变换，从频域函数F(ω)还原时域f(t)的公式为：

关键系数1/2π：该系数是为了满足"正逆变换的归一性"，也有教材将系数拆分为1/sqrt(2π)分别放在正、逆变换中（数学上更对称），两种形式等价。

3 离散傅里叶变换（Discrete Fourier Transform，DFT）

DFT是一种线性变换，把一个有限长的离散序列，从"时间/系数域"变换到"频率/点值域"。其数学定义为给定长度为n的复数序列：x=(x₀, x₁, ..., x_n-1) ，令：ω = e^-2πi/n，定义其离散傅里叶变换（DFT）为序列：

x_j 是输入序列（时域信号），X_k 是输出序列（频域信号），通过将时域信号与一系列不同频率的复指数函数进行内积，得到每个频率分量在原始信号中的"含量"。DFT是一个线性变换，本质是X = F*x ，其中F是一个范德蒙德（Vandermonde）矩阵，即从线性代数角度看：DFT = Vandermonde变换。从矩阵运算可以看出，要得到每个频率分量，需要进行n次乘法和n-1次加法运算，完成整个变换需要n²次乘法和n(n-1)次加法运算，所以完整变换的复杂度是O(n²)，当序列长度n较大时，计算量会变得极其庞大，限制了DFT在实际应用中的效率。

以多项式A(x)=a₀+a₁x+a₂x²+...+a_n-1x^n-1 为例，则上述离散序列可以看作是多项式系数表示法（coefficient form）中的系数，即x = a = (a₀, a₁, ..., a_n-1） ，选择特殊的"点"------n次单位根：ω = e^2πi/n，它满足：

以n=11为例，图中所有*ωⁱ*都是11次单位根：

考虑n个互不相同的点：1, ω, ω², ..., ω^n-1 ，将其代入*A(x)*多项式，则有：

可见X_k = A(ω^-k)，即DFT的计算结果，恰好等价于在单位根上的多项式求值（对应多项式的点值表示法）。

逆离散傅里叶变换（IDFT）由以下公式给出：

傅里叶级数、傅里叶变换和DFT区别由下表给出：

4 快速傅里叶变换（Fast Fourier Transform，FFT）

1965年，J.W.库利和T.W.图基提出了著名的Cooley-Tukey算法，即快速傅里叶变换（FFT）。FFT算法的核心是利用旋转因子的周期性、对称性和可约性，将长序列的DFT分解为短序列的DFT，从而大幅减少计算量。首先给出单位根的三个引理：

一句话概括FFT：利用n次单位根的周期性与对称性，把一个规模为n的DFT，拆成两个规模为N/2的DFT。在经典FFT算法（Cooley-Tukey算法）中假设n=2^m，把序列拆成"偶数项+奇数项"：

则可以将DFT拆开：

利用折半引理可将上式简化为：

其中：

以上将1个包含n次乘法的DFT分成两个n/2次乘法的DFT，另外由ω_n^n/2+k = -ω_n^k可以进一步得到迭代公式（1）：

以上就是所谓的蝶形运算（butterfly），一次算出两个输出。可见一个长度为n的DFT被拆成两个长度是n/2的DFT和n/2次蝶形合并，所以时间复杂度为：

这里2T(n/2) 表示：要解决一个规模为n 的问题，需要"调用两次"规模为n/2 的同类问题，每一次的代价是T(n/2) ；cn表示：当前这一层，为了把两个子FFT的结果"合并"所做的计算量。一个标准的radix-2蝶形：

需要：1次复数乘法ωb和2次复数加减法，都是常数级操作可记为O(1)，对于长度为n的FFT每一层有n/2个蝶形，所以每层蝶形计算量是n/2xO(1)=O(n)，可以记为cn，这里的c就是一个蝶形需要多少个"基础运算"的常数因子。所以随着层数递增有以下时间复杂度推导：

递归终止条件是当：n/2^k=1 ，这时k=log₂n ，上述推导最终结果为：T(n)=n*T(1)+cnlog₂n ，忽略常数得最终复杂度公式T(n)=O(nlog₂n)。

以上给出了快速傅里叶变换，快速傅里叶逆变换（IFFT，Inverse FFT）定义及分析过程与正变换类似，为了公式简洁正变换分析过程取ω = e^-2πi/n ，实际上在严格的数学定义中一般取ω = e^2πi/n（正向单位根），此时正变换和逆变换定义如下：

正变换用于拆解信号，获取在正交基上的投影，逆变换用于合成信号，完成正交基投影的叠加。

1.3 NTT（Number Theoretic Transform）

NTT = 在有限域/模整数环中进行的FFT，即NTT是把FFT中的"复数单位根"换成了"模意义下的单位根"，结构完全一致，只是"数域"不同。FFT主要存在3方面问题：用的是复数、有浮点误差、在密码学/大整数/精确多项式运算中不可接受，而NTT正好可以解决这些问题。NTT工作空间是有限域，通常选F*_p* ，p 是素数，所有运算都基于mod p，在NTT中，需要找ω（模p下的n次原始单位根），它满足：

设模数p，n|(p-1)，ω是n次原始单位根，NTT相关定义如下：

和FFT相关对比如下：

2 算法实现

理解了FFT的数学原理后，我们需要将其转化为可执行的代码。FFT算法有多种实现方式，包括递归实现、迭代实现和基于特定平台的优化实现。

2.1 递归实现FFT

递归实现是最直观的FFT实现方式，它直接对应Cooley-Tukey算法的分治思想。递归算法不断将问题分解为更小的子问题，直到达到基本情况（2点或1点DFT）。

import numpy as np
import matplotlib.pyplot as plt

# 设置字体，确保中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

def fft_recursive(x):
    """
    递归实现快速傅里叶变换
    注意：输入向量x的长度必须是2的幂次
    """
    n = len(x)
    if n == 1:
        return x
    
    # 分别计算偶数索引和奇数索引元素的FFT
    even_fft = fft_recursive(x[0::2])  # 偶数索引
    odd_fft = fft_recursive(x[1::2])   # 奇数索引
    
    # 计算旋转因子
    w = [np.exp(-2j * np.pi * k / n) for k in range(n//2)]
    
    # 组合结果
    result = np.zeros(n, dtype=complex)
    for k in range(n//2):
        term = w[k] * odd_fft[k]
        result[k] = even_fft[k] + term
        result[k + n//2] = even_fft[k] - term
        
    return result

# 测试递归FFT
def test_fft_recursive():
    # 生成测试信号：50Hz和120Hz正弦波的叠加
    fs = 1000  # 采样频率1000Hz
    t = np.linspace(0, 1, 1024)  # 1秒时间，1024个点
    signal = np.sin(2 * np.pi * 50 * t) + 0.5 * np.sin(2 * np.pi * 120 * t)
    
    # 计算FFT
    fft_result = fft_recursive(signal)
    
    # 计算频率轴
    freqs = np.fft.fftfreq(len(signal), 1/fs)
    print(len(freqs))
    # 绘制结果
    plt.figure(figsize=(12, 4))
    
    plt.subplot(1, 2, 1)
    plt.plot(t, signal)
    plt.title('原始信号')
    plt.xlabel('时间 (s)')
    plt.ylabel('幅度')
    
    plt.subplot(1, 2, 2)
    plt.plot(freqs[:len(freqs)//2], np.abs(fft_result[:len(fft_result)//2]))
    plt.title('频谱图')
    plt.xlabel('频率 (Hz)')
    plt.ylabel('幅度')
    plt.xlim(0, 200)
    
    plt.tight_layout()
    plt.show()

if __name__ == "__main__":
    test_fft_recursive()

递归FFT

程序中以50Hz和120Hz正弦波叠加产生测试信号，通过FFT变换可以这两个信号快速的过滤出来：

递归实现虽然直观，但存在一些缺点：

1. 递归调用会产生额外的函数调用开销

2. 需要不断创建新的子数组，内存使用不够高效

3. 对于大数组，可能导致递归深度过大

因此，在实际应用中，迭代实现通常更受青睐。

2.2 迭代实现FFT

迭代FFT算法通过循环而非递归实现计算，效率更高。迭代算法的核心是首先对输入数组进行位反序排列，然后通过多层循环实现蝶形运算。首先以n=8为例，看下X₀ 的重排序，由于ω⁰=1则根据DFT公式可知：

观察以下二进制下标，可知重排序后的二进制下标正是正序下标二进制的逆序，把这种序列叫做逆二进制序：

 0   4   2   6   1   5   3   7
000 100 010 110 001 101 011 111

000 001 010 011 100 101 110 111
 0   1   2   3   4   5   6   7

同理可以给出X₁ 及X₄ =*X_0+8/2*的迭代计算过程：

X₀ 和X₄ 完全对应迭代公式（1），实际上所有*X_k*计算过程可以由以下二叉树给出：

  1 import numpy as np
  2 import matplotlib.pyplot as plt
  3 
  4 # 设置字体，确保中文显示
  5 plt.rcParams['font.sans-serif'] = ['SimHei']
  6 plt.rcParams['axes.unicode_minus'] = False
  7 
  8 def bit_reverse(n, num_bits):
  9     """将n的二进制表示进行位反序"""
 10     reversed_n = 0
 11     for i in range(num_bits):
 12         if n & (1 << i):
 13             reversed_n |= (1 << (num_bits - 1 - i))
 14     return reversed_n
 15 
 16 def fft_iterative(x):
 17     """
 18     迭代实现快速傅里叶变换
 19     输入x的长度必须是2的幂次
 20     """
 21     n = len(x)
 22     num_bits = int(np.log2(n))
 23     
 24     # 位反序排列
 25     reversed_index = [bit_reverse(i, num_bits) for i in range(n)]
 26     data = x[reversed_index].astype(complex)
 27     
 28     # 迭代计算FFT
 29     size = 2
 30     while size <= n:
 31         half_size = size // 2
 32         # 计算旋转因子
 33         w_m = np.exp(-2j * np.pi / size)
 34         
 35         for k in range(0, n, size):
 36             w = 1
 37             for j in range(half_size):
 38                 t = w * data[k + j + half_size]
 39                 u = data[k + j]
 40                 data[k + j] = u + t
 41                 data[k + j + half_size] = u - t
 42                 w *= w_m
 43         size *= 2
 44     
 45     return data
 46 
 47 # 测试迭代FFT
 48 def test_fft_iterative():
 49     # 生成测试信号
 50     n = 256  # 数据点个数，必须是2的幂次
 51     fs = 1000  # 采样频率
 52     
 53     t = np.linspace(0, 1, n)
 54     # 生成包含多个频率成分的信号
 55     signal = (np.sin(2 * np.pi * 50 * t) + 
 56               0.5 * np.sin(2 * np.pi * 120 * t) + 
 57               0.3 * np.sin(2 * np.pi * 200 * t))
 58     
 59     # 添加噪声
 60     noise = 0.2 * np.random.normal(size=n)
 61     signal += noise
 62     
 63     # 计算FFT
 64     fft_result = fft_iterative(signal)
 65     freqs = np.fft.fftfreq(n, 1/fs)
 66     
 67     # 与NumPy内置FFT对比
 68     np_fft = np.fft.fft(signal)
 69     
 70     # 绘制结果
 71     plt.figure(figsize=(15, 5))
 72     
 73     plt.subplot(1, 3, 1)
 74     plt.plot(t, signal)
 75     plt.title('原始信号 (含噪声)')
 76     plt.xlabel('时间 (s)')
 77     plt.ylabel('幅度')
 78     
 79     plt.subplot(1, 3, 2)
 80     plt.plot(freqs[:n//2], np.abs(fft_result[:n//2]), label='自定义FFT')
 81     plt.title('自定义FFT频谱')
 82     plt.xlabel('频率 (Hz)')
 83     plt.ylabel('幅度')
 84     plt.xlim(0, 300)
 85     
 86     plt.subplot(1, 3, 3)
 87     plt.plot(freqs[:n//2], np.abs(np_fft[:n//2]), label='NumPy FFT', color='orange')
 88     plt.title('NumPy FFT频谱')
 89     plt.xlabel('频率 (Hz)')
 90     plt.ylabel('幅度')
 91     plt.xlim(0, 300)
 92     
 93     plt.tight_layout()
 94     plt.show()
 95     
 96     # 计算误差
 97     error = np.max(np.abs(fft_result - np_fft))
 98     print(f"与NumPy FT的最大误差: {error}")
 99 
100 if __name__ == "__main__":
101     test_fft_iterative()

迭代FFT

仍以n=8为例，迭代算法中首先对输入进行二进制的逆序，然后进行3个阶段的蝶形计算，第1个阶段由相邻点产生下一级的输出，第2个阶段由间隔一个点的输入产生输出，第3个节点由间隔两个点的输出产生输出，蝴蝶由瘦变胖，如下图所示：

3 应用实例

3.1 音频处理中的应用

FFT（快速傅里叶变换）是音频领域的核心数字信号处理工具，本质是将音频的时域信号（随时间变化的声波振幅）转换为频域信号（不同频率的声音分量占比），而人耳对声音的感知本身就是基于频率的（如音调、音色），这使得 FFT 成为音频采集、分析、处理、合成全链路的基础。

1 音频基础分析

所有音频智能分析的前提，核心是将不可直接解读的时域波形，转换为可量化的频率特征。

核心逻辑

（1）音频在计算机中是采样率固定的时域离散数据（如44.1kHz采样率 = 1秒采集44100个振幅值），波形仅能反映声音的强弱变化，无法直接得到音调、音色等关键信息；

（2）对时域音频段执行一维 FFT，得到频谱（横坐标为频率，纵坐标为对应频率的振幅/能量），频谱直接反映 "哪些频率的声音构成了当前音频"；

（3）针对非平稳音频（声音频率随时间变化，如说话、唱歌、乐器演奏），采用STFT（短时傅里叶变换）：将音频切分为连续的短帧（如20ms/帧），对每帧独立做FFT，最终得到时频图（横轴时间，纵轴频率，颜色 / 亮度表示能量），实现 "时间-频率" 的二维分析。

典型应用

音频软件的频谱分析仪（如 Audition、Cool Edit）：实时显示音频的频率分布，帮助调音师判断声音的频率缺陷；

基础音频特征提取：通过 FFT 计算基频（Fundamental Frequency，F0）（声音的基础音调，如男声基频 80-200Hz，女声 200-500Hz）、谐波（基频的整数倍频率，决定音色）、频谱能量（决定声音响度）。

2 音调检测与音高识别（Pitch Detection）

音调是音频最核心的感知特征之一，FFT是实现音高识别的经典算法基础，广泛用于K歌评分、乐器校音、语音识别。

核心逻辑

（1）纯音（如钢琴单键）的时域波形是周期性的，其频域频谱中能量最高的频率即为基频（F0），对应听觉上的音调；

（2）对乐器/人声的混合音频，通过FFT得到频谱后，筛选出基频峰（主峰值）和其谐波峰，通过峰值检测算法确定实际音高；

（3）工程中会结合自相关法优化FFT的基频检测，解决低信噪比、谐波干扰下的检测误差问题。

典型应用

（1）乐器校音软件（如吉他校音器、钢琴校音器）：实时采集乐器声音，通过FFT检测基频，对比标准音高（如 A4=440Hz）给出校音提示；

（2）K歌APP的音高评分（如唱吧、全民K歌）：实时分析演唱声音的基频，与原唱基频对比，判断音准并打分；

（3）音乐乐谱自动转写：将演奏音频转换为五线谱，核心是通过 FFT 逐帧检测音高并匹配对应音符。

3 音频滤波：精准去除噪声/保留目标频率

音频滤波是FFT最常用的处理类应用，相比传统的模拟滤波，基于FFT的频域滤波更灵活、精准，可实现任意自定义的频率筛选，核心是 "频域修改，时域重构"。

核心逻辑（与图像 FFT 压缩原理同源）

（1）时域→频域：对音频帧执行 FFT，得到频域系数；

（2）频域滤波：根据需求生成频率掩码，对频域系数做修改：

低通滤波：保留低频系数，置零高频系数（如去除音频中的高频嘶嘶噪声）；

高通滤波：保留高频系数，置零低频系数（如去除音频中的低频底噪、电流声）；

带通滤波：仅保留指定频率区间的系数（如提取人声音频，保留 300-3400Hz 的人声核心频率）；

带阻滤波 / 陷波滤波：置零指定频率区间的系数（如去除 50Hz/60Hz 的市电工频噪声）；

（3）频域→时域：对滤波后的频域系数执行逆 FFT（IFFT），转换回时域音频，得到滤波后的声音。

典型应用

（1）语音降噪（如会议录音、麦克风降噪）：通过FFT去除背景中的低频底噪、高频环境噪声，保留人声；

（2）音乐制作中的均衡器（EQ）：对音乐的低频、中频、高频分别做增益 / 衰减（本质是修改FFT后的频域系数振幅），调整音乐的音色层次；

（3）广播/直播的音频处理：过滤掉人声外的无效频率，提升声音的清晰度。

4 声音合成与音色模拟（加法合成 / 调频合成）

声音的音色由"基频+谐波的频率分布比例"决定，FFT为音色的量化和合成提供了基础，是电子音乐、语音合成的核心技术之一。

核心逻辑

（1）音色的频域本质：不同乐器的同一音调（基频相同），音色不同的原因是谐波的数量、振幅占比不同（如钢琴的谐波丰富且高频衰减快，小提琴的高频谐波更突出）；

（2）加法合成：通过 FFT 分析目标乐器的频谱（基频 + 各谐波的能量比例），然后用多个正弦波（对应基频和各谐波）按该比例叠加，合成出与目标乐器相似的音色；

（3）语音合成（TTS）：对真人语音做 FFT 分析，得到不同音节的频谱特征，合成时通过调整基频和频谱分布，生成自然的人工语音。

典型应用

（1）电子音乐合成器（如FL Studio、Ableton Live）：基于 FFT 的频谱分析，模拟钢琴、吉他、弦乐等传统乐器的音色，或制作自定义的电子音色；

（2）语音合成引擎（如讯飞TTS、百度TTS）：通过 FFT 提取语音的频谱特征，提升合成语音的自然度；

（3）声音特效制作：如将人声转换为机器人声（通过FFT修改频谱，压制谐波，保留基频）。

5 音频特征提取与智能分析（AI / 机器学习基础）

当下的音频智能应用（如语音识别、声纹识别、音频分类），其核心特征均基于 FFT 的频域分析，FFT 是连接原始音频数据和 AI 模型的桥梁。

核心逻辑

（1）原始时域音频数据维度高、冗余大，无法直接输入AI模型；

（2）通过 FFT/STFT 将音频转换为频域特征，再进一步提取梅尔频谱（Mel Spectrogram）、梅尔频率倒谱系数（MFCC） 等工程化特征：

梅尔频谱：将 FFT 得到的线性频谱转换为符合人耳听觉特性的梅尔刻度频谱（人耳对低频更敏感，对高频更迟钝）；

MFCC：对梅尔频谱做离散余弦变换（DCT），提取的低维系数，是语音识别、声纹识别的经典核心特征；

（3）这些频域特征维度低、辨识度高，是语音识别、音频分类模型的标准输入。

典型应用

（1）语音识别（ASR）：如微信语音转文字、讯飞听见，核心特征是MFCC，其提取基础是FFT/STFT；

（2）声纹识别：如手机声纹解锁、银行语音验证，通过 FFT 分析不同人的语音频谱特征（声纹），实现身份识别；

（3）音频分类：如短视频的背景音乐识别、环境声检测（如哭声、玻璃破碎声、汽车鸣笛声），基于梅尔频谱做模型训练，而梅尔频谱的基础是FFT；

（4）音乐推荐：通过FFT分析歌曲的频谱特征（如低频能量占比、节奏对应的频率变化），对歌曲做分类，实现个性化推荐。

6 音频同步与匹配（如音频指纹、音视频同步）

（1）音频指纹（Audio Fingerprint）

核心是通过FFT对音频的时频特征做提取，生成唯一的 "音频指纹"，实现音乐识别、音频查重。如摇一摇识曲（QQ音乐、网易云音乐），通过FFT提取待识别音频的时频特征，与服务器中的音频指纹库匹配，快速识别歌曲名称。

（2）音视频同步

视频的画面帧与音频的时间轴易出现错位，通过FFT分析音频的频谱特征变化，与视频的画面特征变化做时间对齐，实现音视频同步校正。

3.2 图像处理中的应用

FFT在图像处理中主要用于频域滤波、图像压缩、纹理分析等。接下来以图像压缩为例进行说明。

图像在计算机中以像素矩阵存储，这是空间域表示：每个数值代表对应位置的亮度/颜色，直观描述图像的空间分布，但数据冗余度高。频域是通过傅里叶变换得到的另一种表示形式，将图像分解为不同频率的正弦/余弦波叠加，频率描述的是像素值的变化快慢：

**低频分量：**像素值变化缓慢，对应图像的整体轮廓、大面积平滑区域、主体结构（如人脸轮廓、天空背景）；

**高频分量：**像素值变化剧烈，对应图像的细节纹理、边缘、噪声、微小瑕疵（如发丝、文字边缘、噪点）。

人眼的视觉特性与图像频域特性高度匹配：

人眼对整体轮廓、大面积区域（低频信息）高度敏感，是识别图像的核心依据；

人眼对精细纹理、微小噪声（高频信息）敏感度较低，适度舍弃后，肉眼难以察觉明显失真；

结合这一特性，FFT 压缩可以在保证主观视觉质量的前提下，实现可观的数据压缩。举个例子：一张风景照，蓝天、山脉轮廓是低频核心信息，树叶纹理、水面波纹是高频信息，舍弃 80% 高频系数后，图像依然可清晰识别，仅会轻微模糊。

图像是二维信号，需要使用二维离散傅里叶变换（2D-DFT）完成空间域到频域的转换，FFT图像压缩的本质是利用频域能量分布的不对称性，实现有损数据压缩，完整逻辑分为4个核心步骤：

步骤 1：空间域 → 频域转换（FFT）

对图像（或图像分块）执行二维FFT，将像素值转换为频域系数（复数形式，包含幅度和相位信息）。变换后，默认低频系数分布在频域矩阵的四角，高频在中心；通过fftshift中心化后，低频集中在矩阵中心，高频分布在四周，方便筛选处理。

步骤 2：频域系数量化与截断（核心压缩操作）

基于能量集中特性执行压缩操作：

（1）保留携带绝大部分图像能量的低频系数；

（2）直接舍弃/置零仅携带少量细节、噪声的高频系数；

（3）舍弃的高频信息越多，压缩率越高，图像失真越明显。

一般通过计算频域点到中心的欧式距离筛选低频系数，距离中心越近，频率越低，这是最常用的低频筛选方式。

步骤 3：逆变换重构图像（逆 FFT）

对处理后的频域系数执行逆移位（ifftshift）+ 逆FFT（ifft2），将频域信号转换回空间域，得到压缩重构后的图像。由于逆 FFT 结果会存在微小虚部（浮点计算误差），只需提取实部即可得到有效像素值。

步骤 4：数据存储优化

原始图像存储每个像素的空间域数据，而压缩后仅需存储少量保留的低频系数，大幅减少数据量，实现存储/传输的压缩效果。

以下是源码：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import os
from math import log10, sqrt
from PIL import Image  # 新增：用PIL保存图像，兼容所有版本

# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

def psnr(original, compressed):
    """计算峰值信噪比（PSNR），兼容彩色/灰度图"""
    # 若原始图像是彩色图，先转为灰度图再计算PSNR
    if len(original.shape) == 3:
        original_gray = np.mean(original, axis=2).astype(np.uint8)
    else:
        original_gray = original.astype(np.uint8)
    
    # 确保压缩后图像是uint8类型
    compressed = compressed.astype(np.uint8)
    
    # 计算MSE（均方误差）
    mse = np.mean((original_gray - compressed) ** 2)
    if mse == 0:  # 无误差
        return float('inf')
    max_pixel = 255.0
    psnr_value = 20 * log10(max_pixel / sqrt(mse))
    return psnr_value

def fft_image_compress(image, block_size=8, keep_ratio=0.1):
    """基于FFT的图像压缩（自动处理彩色/灰度图）"""
    # 1. 彩色图转灰度图（压缩只处理灰度，保留核心逻辑）
    if len(image.shape) == 3:
        image_gray = np.mean(image, axis=2).astype(np.uint8)
    else:
        image_gray = image.astype(np.uint8)
    
    h, w = image_gray.shape
    # 2. 补零使图像尺寸为block_size的整数倍
    pad_h = (block_size - h % block_size) % block_size
    pad_w = (block_size - w % block_size) % block_size
    print("h {} w {} pad_h {} pad_w {}".format(h, w, pad_h, pad_w))
    image_padded = np.pad(image_gray, ((0, pad_h), (0, pad_w)), mode='constant')
    h_pad, w_pad = image_padded.shape
    
    # 3. 初始化压缩后的频域数组
    fft_compressed = np.zeros_like(image_padded, dtype=np.complex128)
    
    # 4. 分块FFT+高频截断
    for i in range(0, h_pad, block_size):
        for j in range(0, w_pad, block_size):
            block = image_padded[i:i+block_size, j:j+block_size]
            # 2D-FFT：空间域→频域（中心化，低频移到中心）
            fft_block = np.fft.fft2(block)                  # 对图像块做二维 FFT，将空间域的像素值转换为频域的复数系数（低频默认在四角，高频在中心
            fft_block_shifted = np.fft.fftshift(fft_block)  # 将频域系数 "中心化"，把低频系数移到频域矩阵的中心，高频系数分布在四周，方便后续筛选低频
            
            # 计算需要保留的低频系数数量
            total_coeffs = block_size * block_size          # 单个图像块的总系数数（等于像素数）
            keep_coeffs = int(total_coeffs * keep_ratio)    # 预设的保留比例（如0.1表示保留10%的系数）
            keep_coeffs = max(keep_coeffs, 1)               # 防止保留系数为0，保证至少保留1个低频系数，避免重构失败
            
            # 生成掩码：只保留低频系数，高频置0
            center = block_size // 2                        # 频域矩阵的中心坐标（如 block_size=8 时，center=4）
            y, x = np.ogrid[:block_size, :block_size]       # 生成网格坐标矩阵，对应每个系数在频域中的位置
            distance = np.sqrt((y - center)**2 + (x - center)**2)   # 计算每个系数到中心的欧式距离（距离越小，频率越低）
            flat_distance = distance.flatten()              # 将距离矩阵展平为一维数组，方便排序
            idx = np.argsort(flat_distance)[:keep_coeffs]   # 对距离从小到大排序，取前keep_coeffs个索引（对应距离中心最近的低频系数）
            mask_flat = np.zeros(total_coeffs, dtype=bool)  # 生成布尔掩码mask：维度与图像块一致
            mask_flat[idx] = True                           # mask中True的位置对应保留的低频系数，False对应舍弃的高频系数
            mask = mask_flat.reshape((block_size, block_size))
            
            # 应用掩码：高频系数置零
            fft_block_shifted[~mask] = 0    # ~mask：取掩码的反（False变True，True变False），即高频系数的位置。
                                            # 将频域矩阵中高频系数的位置置为 0，只保留低频系数，实现 "压缩"（丢弃高频信息）
            
            # 逆移位+逆FFT：频域→空间域
            fft_block = np.fft.ifftshift(fft_block_shifted) # 逆中心化，将频域系数恢复到 FFT 后的原始位置（低频回到四角）
            ifft_block = np.fft.ifft2(fft_block)            # 对处理后的频域系数做逆 FFT，转换回空间域（结果为复数）
            block_recon = np.real(ifft_block)               # 取复数的实部（因舍入误差可能有微小虚部，需剔除），得到重构后的图像块像素值
            
            # 存入压缩后数组
            fft_compressed[i:i+block_size, j:j+block_size] = block_recon # 将重构后的图像块放回fft_compressed数组的对应位置，最终拼接成完整的压缩后图像
    
    # 5. 去除补零，恢复原始尺寸
    compressed_image = fft_compressed[:h, :w]
    # 限制像素值范围（0~255），避免溢出
    compressed_image = np.clip(compressed_image, 0, 255).astype(np.uint8)
    
    # 6. 计算压缩比（频域系数层面）
    total_original_coeffs = h_pad * w_pad
    total_keep_coeffs = (h_pad * w_pad) * keep_ratio
    compression_ratio = total_original_coeffs / total_keep_coeffs
    
    return compressed_image, compression_ratio

def save_image_with_quality(image, path, quality=95):
    """
    兼容所有版本的图像保存函数，支持设置JPG质量
    :param image: 灰度图像数组（uint8，0~255）
    :param path: 保存路径（如"test.jpg"）
    :param quality: JPG质量（0~100，值越小压缩越狠）
    """
    # 将numpy数组转为PIL Image对象
    pil_img = Image.fromarray(image)
    # 保存为JPG，设置质量参数
    pil_img.save(path, "JPEG", quality=quality)

# 主函数：测试FFT图像压缩
if __name__ == "__main__":
    # 1. 读取图像（替换为你的图像路径）
    image_path = "1.jpg"  # 支持彩色/灰度图
    try:
        original_image = mpimg.imread(image_path)
        # 注意：matplotlib读取的图像像素值是0~1的浮点数，需转回0~255
        if original_image.dtype == np.float32:
            original_image = (original_image * 255).astype(np.uint8)
    except FileNotFoundError:
        print("错误：未找到图像文件，自动生成测试灰度图...")
        # 生成512×512渐变灰度图作为测试
        original_image = np.linspace(0, 255, 512*512).reshape(512, 512).astype(np.uint8)
    
    # 2. 执行FFT压缩（调整keep_ratio控制压缩比）
    compressed_image, compress_ratio = fft_image_compress(
        original_image, block_size=8, keep_ratio=0.1
    )
    
    # 3. 计算PSNR（修复维度不匹配问题）
    psnr_value = psnr(original_image, compressed_image)
    
    # 4. 保存图像（改用PIL，支持quality参数，兼容所有版本）
    # 保存原图（转灰度后保存，统一对比基准）
    if len(original_image.shape) == 3:
        original_gray = np.mean(original_image, axis=2).astype(np.uint8)
    else:
        original_gray = original_image
    save_image_with_quality(original_gray, "original_gray.jpg", quality=95)
    # 保存压缩后图像，设置JPG质量（值越小文件越小）
    save_image_with_quality(compressed_image, "compressed_final.jpg", quality=50)
    
    # 5. 计算实际文件大小（KB）
    original_size = os.path.getsize("original_gray.jpg") / 1024 if os.path.exists("original_gray.jpg") else 0
    compressed_size = os.path.getsize("compressed_final.jpg") / 1024 if os.path.exists("compressed_final.jpg") else 0
    actual_compression_ratio = original_size / compressed_size if (compressed_size > 0 and original_size > 0) else 0
    
    # 6. 显示结果
    plt.figure(figsize=(12, 6))
    
    # 原图（彩色/灰度自适应显示）
    plt.subplot(1, 2, 1)
    if len(original_image.shape) == 3:
        plt.imshow(original_image)
    else:
        plt.imshow(original_image, cmap='gray')
    plt.title(f'原始图像\n尺寸：{original_image.shape[1]}×{original_image.shape[0]}\n大小：{original_size:.2f} KB')
    plt.axis('off')
    
    # 压缩后图像（灰度）
    plt.subplot(1, 2, 2)
    plt.imshow(compressed_image, cmap='gray')
    plt.title(f'FFT压缩后图像\n理论压缩比：{compress_ratio:.1f}:1\n实际文件压缩比：{actual_compression_ratio:.1f}:1\nPSNR：{psnr_value:.2f} dB')
    plt.axis('off')
    
    plt.tight_layout()
    plt.show()
    
    # 打印详细信息
    print(f"=== 压缩结果 ===")
    print(f"理论频域压缩比：{compress_ratio:.1f}:1")
    print(f"实际文件压缩比：{actual_compression_ratio:.1f}:1")
    print(f"原始文件大小：{original_size:.2f} KB")
    print(f"压缩后文件大小：{compressed_size:.2f} KB")
    print(f"PSNR（图像质量）：{psnr_value:.2f} dB")

图像压缩

程序运行效果如下：

因为运行结果分辨率不高，所以来看压缩后的图片并没有什么不同，但是将图片放大以后还是可以明显看出压缩后图片的失真：

参考：

1 https://zhuanlan.zhihu.com/p/19763358

2 https://www.cnblogs.com/xxeray/p/fast-fourier-transform.html

3 https://blog.csdn.net/qq_42212808/article/details/156030009

4 https://zhuanlan.zhihu.com/p/350616936

5 https://www.cnblogs.com/zwfymqz/p/8244902.html