为什么说“空间域中图像的卷积等于频域中的乘法”？ 有人可以简要解释一下吗？
答案 0 :(得分：1)
解释的一种方法是卷积是线性不变算子 如您所知，线性时间/空间不变系统基本上只做一件事 - 延迟和缩放。
延迟和缩放的本征函数是谐波函数 这意味着给出由谐波信号描述的信号（实际上是它的傅里叶变换）线性时间/空间不变算子只能通过复数（缩放和相移）来缩放它，这就是你在傅里叶域中所做的。
类似于线性代数中的对角化
例如，我们将过滤器作为运算符应用于图像 - A
所以系统的输出是A = P^T D P
如果D可对角化为P P^T = I，其中y = A x = P^T D P x是对角矩阵和z = P x，即酉矩阵。
所以t = P y因此，通过定义t = D z和t，我们得到P，即我们只需要乘以import UIKit
import MapKit
import ClusterKit
class MyAnnotations: NSObject, MKAnnotation, CKAnnotation{
weak public var cluster: CKCluster?
var coordinate: CLLocationCoordinate2D
var title: String?
var subtitle: String?
var name: String?
var size: String?
var user: String?
var owner: String?
var image: String?
var latLoc: Double?
var lonLoc: Double?
var itemId: String?
init(coordinate: CLLocationCoordinate2D) {
self.coordinate = coordinate
}
中的每个元素而不是整个矩阵乘法。
如果您考虑func mapView(_ mapView: MKMapView, viewFor annotation: MKAnnotation) -> MKAnnotationView?作为傅里叶变换运算符，那么您可以在其他域中使用元素方式乘法而不是进行矩阵乘法。傅立叶域。