对一幅图像进行傅里叶或小波变换后，得到的相位信息和图像灰度值如何联系起来，相位匹配又是怎么匹配的
对一幅图像进行傅里叶或小波变换后，得到的相位信息和图像灰度值怎么联系起来，相位匹配又是如何匹配的？
在数字图像处理中，对两幅图像进行匹配，空间域的像素值满足不了精度要求，需要采用更高深的傅里叶、小波来对图像进行处理。对图像进行傅里叶变换，或复数小波变换后，能得到相位信息，如何用相位信息对图像进行匹配？不用考虑旋转问题，图像已经极线校正过了。目前有几个问题：
1） 是对整幅图像进行傅里叶变换后，再进行相位匹配；还是和空间域图像处理一样，一个窗口一个窗口的进行傅里叶变换，然后相位匹配？
2） 对图像经过傅里叶变换后，是直接逐点进行相位计算，还是在一个窗口内进行相位计算，求最佳视差？
小弟以前一直在空间域进行图像处理，初次接触频域，请各位高手能指点迷津。
------解决方案--------------------
用交叉相关就可以了，交叉相关可用傅立叶变换来实现，运算速度非常快，大家又把它叫做相位相关，如果你google cross correlation会看到满天的资料：）。
通常你要在图像里选一块有特征的区域来做模板，比如一个灰度很平坦的区域用来做模板是一定很不好的，哪跟哪对准啊：）这个过程叫good feature finding，有许多方法可以做到，如果你用OPENCV里面有现成的函数。
找到这个有特征的模板后，就可以只用这个局部模板来匹配两幅图像而不是整个图像去做。
如果用公式表示就是
模板A和B
OUT=ABS(IFFT2（FFT2（A)点乘FFT2(B)的共轭））；
求OUT的峰值坐标，就是A和B之间的偏差，简单吧：）
就是两个副氏变换，点乘，再反变换而已
我看不出来这里用小波的必要。
------解决方案--------------------
傅里叶变换是对图像整体或选定的某一窗口的图像频率特性分析，不具有局部性，不能提供空间信息。
如果要进行匹配操作，肯定应该先划分窗口，然后对每个窗口进行傅里叶变换后，进行匹配计算。
在数字图像处理中，对两幅图像进行匹配，空间域的像素值满足不了精度要求，需要采用更高深的傅里叶、小波来对图像进行处理。对图像进行傅里叶变换，或复数小波变换后，能得到相位信息，如何用相位信息对图像进行匹配？不用考虑旋转问题，图像已经极线校正过了。目前有几个问题：
1） 是对整幅图像进行傅里叶变换后，再进行相位匹配；还是和空间域图像处理一样，一个窗口一个窗口的进行傅里叶变换，然后相位匹配？
2） 对图像经过傅里叶变换后，是直接逐点进行相位计算，还是在一个窗口内进行相位计算，求最佳视差？
小弟以前一直在空间域进行图像处理，初次接触频域，请各位高手能指点迷津。
------解决方案--------------------
用交叉相关就可以了，交叉相关可用傅立叶变换来实现，运算速度非常快，大家又把它叫做相位相关，如果你google cross correlation会看到满天的资料：）。
通常你要在图像里选一块有特征的区域来做模板，比如一个灰度很平坦的区域用来做模板是一定很不好的，哪跟哪对准啊：）这个过程叫good feature finding，有许多方法可以做到，如果你用OPENCV里面有现成的函数。
找到这个有特征的模板后，就可以只用这个局部模板来匹配两幅图像而不是整个图像去做。
如果用公式表示就是
模板A和B
OUT=ABS(IFFT2（FFT2（A)点乘FFT2(B)的共轭））；
求OUT的峰值坐标，就是A和B之间的偏差，简单吧：）
就是两个副氏变换，点乘，再反变换而已
我看不出来这里用小波的必要。
------解决方案--------------------
傅里叶变换是对图像整体或选定的某一窗口的图像频率特性分析，不具有局部性，不能提供空间信息。
如果要进行匹配操作，肯定应该先划分窗口，然后对每个窗口进行傅里叶变换后，进行匹配计算。