第二章 傅里叶光学基础：傅里叶级数与傅里叶变换、空间频率的概念、光学傅里叶变换
各位同学，咱们今天聊聊傅里叶光学。说实话，这名字听着挺唬人的，但你别被它吓到。我当年刚接触这门课的时候，也觉得这玩意儿玄乎得很。后来做项目做多了才发现，它其实就是一把“手术刀”——专门用来解剖光场信息的。
你想想看，我们平时看到的光，无非就是明暗、颜色、形状。但傅里叶光学告诉我们：光场里藏着更深的秘密。那些看似杂乱无章的光斑，其实是由无数个“基础单元”叠加而成的。我们要做的，就是把这些单元一个个拆出来。
核心思想一句话：任何复杂的光波，都可以看作是一系列简单正弦波（或余弦波）的叠加。傅里叶变换就是那个“拆解工具”。
2.1 从傅里叶级数说起
先别急着跳进光学。咱们从最基础的数学概念开始——傅里叶级数。
我记得大学那会儿，老师讲傅里叶级数，上来就写公式：
f(x) = a₀/2 + Σ [aₙ cos(nω₀x) + bₙ sin(nω₀x)]我当时就懵了：这堆符号是啥意思？后来自己做图像处理才明白，说白了就是：任何一个周期函数，都可以用一堆不同频率的正弦波和余弦波拼出来。
举个接地气的例子。你听过音乐吧？一段钢琴声，其实是由基频和一系列泛音组成的。基频决定了音高，泛音决定了音色。傅里叶级数干的事，就是把这段声音拆成“基频 + 各次谐波”。
在光学里也一样。一个周期性的光栅，它的透射率分布就可以写成傅里叶级数。每一项对应一个特定的“空间频率”。
我的小技巧：刚开始学的时候，别纠结公式推导。你先记住“任何周期信号都能拆成多个正弦波”这个结论。公式是工具，理解概念才是目的。
2.2 傅里叶变换：从周期到非周期
傅里叶级数只能处理周期信号。那非周期信号怎么办？比如一张照片，它可不是周期性的。
这时候就要请出傅里叶变换了。你可以把它理解为：把周期信号的周期拉到无穷大，级数求和就变成了积分。
公式长这样：
F(ξ) = ∫ f(x) · exp(-j2πξx) dx别怕这个积分号。我教你一个记忆方法：傅里叶变换就是“信号”和“复指数”做内积。你拿信号去“匹配”不同频率的复指数，匹配度高的，那个频率的系数就大。
在图像处理里，我们经常用二维傅里叶变换：
F(u,v) = ∬ f(x,y) · exp[-j2π(ux+vy)] dxdy这里 u 和 v 就是空间频率。x 和 y 是空间坐标。说白了，就是把一张图从“空间域”变到“频率域”。
避坑指南：我曾经在做一个图像去噪项目时，直接对整张图做傅里叶变换，结果边缘全是振铃效应。后来才意识到——图像不是周期信号，直接变换会在边界产生“假频率”。正确的做法是先做窗函数处理，或者用周期延拓。嗯，这个坑我替你们踩过了。
2.3 空间频率：光学里的“节奏感”
空间频率这个概念，是理解光学傅里叶变换的关键。我换个说法：空间频率就是光场在空间上的“变化快慢”。
你想象一下：
- 低频：变化缓慢的区域。比如一张白纸，亮度几乎不变，这就是低频信息。
- 高频：变化剧烈的区域。比如一根头发丝的边缘，亮度从黑到白跳变，这就是高频信息。
单位是“线对/毫米”（lp/mm）。什么意思？就是每毫米长度内，明暗条纹重复了多少对。
| 空间频率 | 物理含义 | 图像表现 |
|---|---|---|
| 低频（0-10 lp/mm） | 大面积亮度变化 | 背景、天空、皮肤 |
| 中频（10-100 lp/mm） | 中等细节 | 纹理、织物、树叶 |
| 高频（>100 lp/mm） | 边缘、突变 | 轮廓、噪点、划痕 |
我在做工业检测时，经常用空间频率来区分“缺陷”和“正常纹理”。比如布匹上的瑕疵，往往是高频突变；而正常的编织纹理，频率相对稳定。通过傅里叶变换，在频域里一过滤，瑕疵就原形毕露了。
2.4 光学傅里叶变换：用透镜做数学
这才是本章的重头戏。你可能会问：数学上的傅里叶变换，跟光学有什么关系？
关系大了去了。一个简单的凸透镜，就能实现二维傅里叶变换。你没听错，光路就是一台模拟计算机。
原理是这样的：
- 把物体放在透镜的前焦面上。
- 用平行光（平面波）照射物体。
- 在透镜的后焦面上，你会看到物体的傅里叶频谱。
为什么会这样？因为透镜对光波施加了一个二次相位因子，这个因子恰好抵消了菲涅尔衍射中的二次项，使得后焦面上的光场分布正好是物体透射率的傅里叶变换。
关键结论：透镜的后焦面 = 物体的频谱面。光斑的位置对应空间频率，光斑的亮度对应该频率的幅度。
我当年第一次在实验室看到这个现象时，真的被震撼到了。一个简单的透镜，居然能“算”出傅里叶变换。你想想看，电子计算机算一张1024×1024图像的FFT，还得花几毫秒。光路呢？光速传播，瞬间完成。
下面这张图展示了光学4f系统的核心逻辑：
这个4f系统很有意思：
- 第一个透镜做傅里叶变换，把空间域变到频率域。
- 在频谱面上，你可以放各种滤波器（比如低通、高通、带通）。
- 第二个透镜做逆傅里叶变换，把频率域变回空间域。
这就是光学信息处理的精髓。我在做指纹增强项目时，就用过这个原理。指纹的脊线有固定的空间频率范围，在频谱面上放一个环形带通滤波器，就能把噪声滤掉，同时保留指纹细节。
实用建议：如果你用软件做图像处理，FFT是离散的、有采样限制的。但光学傅里叶变换是连续的、并行的。对于实时性要求高的场景（比如高速检测），光学方法有天然优势。当然，精度上还是数字方法更可控。两者各有所长。
2.5 空间频率与图像处理：一个实例
咱们来看一个具体的例子。假设你有一张照片，上面有摩尔纹（就是那种水波纹状的干扰条纹）。怎么去掉？
步骤很简单：
- 对图像做二维傅里叶变换，得到频谱图。
- 在频谱图上，摩尔纹对应的是几个孤立的亮点（因为它是周期性的）。
- 把这些亮点抹掉（相当于在频谱面上放一个“陷波滤波器”）。
- 做逆傅里叶变换，得到去摩尔纹后的图像。
你看，整个过程跟光学4f系统一模一样。只不过我们用软件模拟了透镜的行为。
注意：频谱面上的“抹掉”操作要小心。我曾经有一次下手太狠，把摩尔纹的亮点连同附近的频率一起抹了，结果图像变得模糊。后来学乖了——只抹掉亮点本身，保留周围的频率成分。这叫“精准打击”。
2.6 小结：傅里叶光学到底在讲什么？
说了这么多，其实就三件事：
- 拆解：任何光场都能拆成不同空间频率的正弦波。
- 变换：傅里叶变换就是那个拆解工具，透镜是它的物理实现。
- 滤波：在频率域里做手脚，比在空间域里直接操作更高效。
我个人觉得，傅里叶光学最迷人的地方在于：它把抽象的数学和具体的光路对应起来了。你看到透镜后焦面上的光斑，就是在“看”傅里叶变换。这种直观感，是纯数学给不了的。
好了，这一章的内容就到这儿。记住我说的：别怕公式，先理解概念。空间频率就是“变化快慢”，傅里叶变换就是“拆解工具”，透镜就是“模拟计算机”。下次你看到一张模糊的照片，不妨想想——它在频率域里长什么样？
公众号:蓝海资料掘金营，微信deep3321