本文讨论了使用傅里叶描述符进行血细胞分析和分类。 以二维数字序列傅立叶描述符的形式描述轮廓边界的模型。 图形的形状和方向对傅立叶描述符参数的影响。 探索如何确保傅立叶描述子关于几何变换的不变性。 计算机图形工具的Fourier描述符的图形表示模型。 一种基于神经网络的傅立叶描述符形成信息特征空间的方法，对边界图像段的轮廓进行分类。

元数值 Meta.Numerics是一个用于.NET平台的高级数值计算库。 它提供了面向对象的API，用于数据处理，统计分析，高级功能，矩阵代数，傅立叶变换，高级功能，扩展精度算术和求解器功能，例如集成，优化和求根。 Meta.Numerics是David Wright的2008-2020年版权。 它是根据Microsoft公共许可证（BSD风格的开源许可证）获得许可的。 有关更多信息，请访问 。

吻快速傅里叶变换 KISS FFT-基于“保持简单，愚蠢”原理的混合基数快速傅立叶变换。 已经有很多很棒的fft库。 Kiss FFT并不试图比任何一个都要好。 它仅尝试成为一种合理有效，适度有用的FFT，该FFT可使用固定或浮动数据类型，并且可以通过琐碎的许可在几分钟内合并到某人的C程序中。 用法： 一维复数FFT的基本用法是： # include " kiss_fft.h " kiss_fft_cfg cfg = kiss_fft_alloc( nfft ,is_inverse_fft , 0 , 0 ); while ... ... // put kth sample in cx_in[k].r and cx_in[k].i kiss_fft ( cfg , cx_in , cx_out );

使用频域-i/频率滤波来积分函数的稳健函数。 边缘锥形用于最小化混叠错误。

DFT的matlab源代码dft 离散傅立叶变换 在大学二年级时，我修了两个学期的信号理论课。 我发现，如果我没有积极地与他们合作，那么就很容易忘记我所学到的概念。 我创建了Python版本的DFT和逆DFT算法，以复习DFT的概念。 dft.py def dft(input) ：用于根据时域阵列input计算频谱S的函数。 根据公式S = V^H * s ，其中S是频谱， V^H是DFT矩阵的厄米（hermitian），并且input s def graph_freq_spectrum(freq_spectrum) ：用于绘制频谱图的功能。 使用plotly Python库实现 idft.py def idft(freq_spectrum) ：将频谱转换为时域正弦波的函数。 使用sympy Python库对符号方程进行建模。 到目前为止，它仅能提供原始功能的别名。 我还没有时间实现一种基于用户给定标准来找到正确频率的方法。 演示 用y=cos(pi*n)和y=sin(pi/2*n)简单示例演示上述功能 y = cos（pi * n）演示的输出 频谱（使用dft()计算）：[ dft(

提出了一种基于十项余弦窗的插值FFT算法,分析了余弦组合窗的特性,从旁瓣特性的优势出发,运用旁瓣峰值较低的十项余弦窗,并用双谱线插值算法推导出其对应的修正公式.仿真计算结果表明,谐波幅值误差小于0.001%,相位误差小于0.001%.新的插值FFT算法与常用的Hannning窗、Blackman窗插值FFT算法的测量结果对比,进一步说明了该算法可以有效提高电力系统谐波测量精度,具备实际应用价值.

傅立叶变换详细推导的介绍，很不错，值得一看

分数阶傅立叶变换 分数阶傅立叶变换 分数阶傅立叶变换

matlab傅里叶描述子代码信息 使用傅立叶变换和互信息进行形状识别。 以下论文使用了该仓库中的Matlab和C ++代码： N Govender，J Warrell，P Torr和F Nicolls，“使用傅立叶描述符和互信息的2D主动形状识别的概率模型”，计算机科学进展，土耳其伊斯坦布尔，2014年8月22-23日，第69-74页

采用傅立叶变换轮廓术，针对基频提取的关键技术采用逐行傅立叶变换，准确提取基频信息的方法恢复相位信息。在此基础上，以未畸变条纹为基准，得出被测物体的真实位相值。该方法只需一幅条纹图，节约了测量时间。实验证明可实现无接触面型的自动传感。