二维傅里叶变换：光学世界的数学语言
各位同学，今天我们来聊聊信息光学里最核心的工具——二维傅里叶变换。说实话，我刚接触这个内容时，也觉得公式挺吓人的。但做了十几年光学设计后，我越来越觉得，它就是描述光波传播的「母语」。
你想想看，光波在空间里传播，本质上就是各种频率成分的叠加。傅里叶变换，说白了就是帮我们把复杂的光场拆解成不同空间频率的「积木块」。
2.1 二维傅里叶变换的定义
先看数学定义。对于一个二维函数 f(x, y)，它的傅里叶变换是：
F(u, v) = ∫∫ f(x, y) · exp[-j2π(ux + vy)] dx dy其中 u 和 v 是空间频率，单位是 1/mm。x 和 y 是空间坐标。
对应的逆变换：
f(x, y) = ∫∫ F(u, v) · exp[j2π(ux + vy)] du dv嗯，这里要注意：光学里我们通常用 (x, y) 表示物平面，(u, v) 表示频谱面。我在做激光整形项目时，就经常用这个变换来设计衍射光学元件。
核心理解： 傅里叶变换把空间域的信息映射到频率域。就像音乐里的音符，时域是波形，频域是音高和响度。
2.2 线性性质：叠加原理的数学体现
线性性质很简单：
FT{ a·f + b·g } = a·FT{f} + b·FT{g}为什么重要？因为光波传播是线性系统。我在做相干成像系统时，经常把复杂物体分解成点光源的叠加，然后分别计算再求和。这就是线性性质在光学里的直接应用。
我的经验： 实际计算时，线性性质可以帮我们简化很多问题。比如一个光栅的衍射，可以看成多个单缝衍射的线性叠加。
2.3 平移性质：光学中的位移对应相位变化
平移性质说：
FT{ f(x - x₀, y - y₀) } = F(u, v) · exp[-j2π(ux₀ + vy₀)]这个性质在光学里特别有意思。物体在空间平移，频谱面上只是多了个相位因子。幅值不变，相位线性变化。
我曾经在做一个精密对准系统时，就利用这个性质来检测微小的位移。通过分析频谱面上的相位变化，可以反推出物体的移动量，精度能达到纳米级。
避坑指南： 我曾经在计算时忘记考虑这个相位因子，结果重建的图像位置全错了。记住：平移不改变频谱的幅值，但相位信息会线性变化。
2.4 缩放性质：光学系统的放大与缩小
缩放性质：
FT{ f(ax, by) } = (1/|ab|) · F(u/a, v/b)这个性质解释了为什么透镜可以缩放图像。当物体尺寸变化时，频谱会反向缩放。我在做变焦系统设计时，就利用这个性质来预估不同焦距下的频谱分布。
举个例子：如果物体缩小一半（a=2），频谱会展宽一倍，幅值变为原来的1/4。这正好对应了光学中的空间带宽积守恒。
2.5 卷积定理：光学成像的核心
卷积定理可能是光学里最重要的性质了：
FT{ f * g } = F · G
FT{ f · g } = F * G空间域的卷积等于频率域的乘积。这个性质直接解释了光学成像的本质——物函数与点扩散函数的卷积。
我记得在做显微成像系统时，经常用这个定理来分析分辨率。系统的点扩散函数越窄，频谱越宽，成像越清晰。说白了，就是看系统的「通频带」有多宽。
光学解释： 相干成像系统是线性系统，输出等于输入与脉冲响应的卷积。在频率域，就是频谱的乘积。这让我们可以直观地理解光学传递函数的概念。
2.6 知识体系总览
下面这张图展示了本章的核心逻辑：
2.7 性质对比总结
| 性质 | 数学表达 | 光学解释 | 我的应用经验 |
|---|---|---|---|
| 线性 | FT{a·f+b·g} = a·F+b·G | 光波叠加原理 | 复杂光场分解计算 |
| 平移 | FT{f(x-x₀)} = F·e^{-j2πux₀} | 位移产生相位梯度 | 纳米级位移检测 |
| 缩放 | FT{f(ax)} = (1/|a|)·F(u/a) | 透镜缩放效应 | 变焦系统设计 |
| 卷积定理 | FT{f*g} = F·G | 成像系统传递函数 | 分辨率分析 |
学习建议： 刚开始学这些性质时，别死记公式。多想想它们在光学里对应什么物理现象。比如看到平移性质，就想到「哦，物体动一下，频谱的相位就跟着变」。这样理解起来轻松多了。
好了，这一章的内容就到这里。二维傅里叶变换的这几个性质，是后续学习光学传递函数、相干成像、空间滤波的基础。我建议你多动手画几个简单的函数，比如矩形函数、高斯函数，看看它们的频谱长什么样。实践出真知嘛。
公众号:蓝海资料掘金营，微信deep3321