最近在研究图像的频域处理时碰到一个小问题：利用fft算法得到一幅图像的频谱，并通过显示此频谱的图像来进行可视化分析。程序如下：
I=imread('9.tif');
>> f=fft2(I);
>>fc= fftshift(abs(f));
>> imshow(fc)
这与书上得到的频谱图像差距很大：
仔细对比发现，代码和书上唯一不同的地方只有最后一句：imshow(fc,[])，那么问题应该就是出在这儿了。于是doc imshow:
第二种用法的大致意思就是：【low,high】表示显示灰度的动态范围，低于low的值全部显示为黑色，高于high的值显示为白色，其他的值在low~high之间，显示为黑到白的均匀分配。如果为【】，则将I中最小和最大值分别作为low和high。
那么，使用第一种imshow（I）用法时，动态范围默认是多少呢？在一些书上看到说是默认【0,255】，但是经过实验却发现不是这样，有时为【0,255】，有时为【0,1】，无可奈何之下，想到查看imshow函数体，结果终于发现：
划线部分解释了：如果输入图像是单精度或双精度类型，则默认动态范围为【0,1】，否则为【0,255】。这样就很好的解开了上面的频谱图像差异的原因，I经过fft变换后为double型，且值绝大部分都大于1，而imshow(I)的默认动态范围为【0,1】，所以大范围都会显示为白色，只有一小部分为0的值显示为黑色。经查看，此时fc中最大值为204000，因此使用imshow(I,[])后动态范围被拉到【0,204000】，效果就是上面第二幅频谱图像。为了验证猜想，现在将动态范围调整到【0,500】，效果应该介于上面两幅频谱图像之间。使用语句imshow(fc,[0,500]):
到此为止，我想到之前在对图像进行运算前，总是先转换成double型，最后显示时没转成uint8型也能够正常显示。如下所示：
I=imread('0.tif');
I=im2double(I);
imshow(I)；
讲道理的话，这样说不通啊！！！图像的灰度值肯定一大部分是远大于1的，动态范围缩小到【0,1】后，应该显示一幅几乎全白的图片才对啊！我想到一个问题，既然有了double函数，为什么又要弄个im2double呢？这其中肯定有戏。于是乎open im2double,果然发现问题所在：
若然开朗，原来在im2double内部已经对图像灰度值做了归一化处理，所以才能在【0,1】动态范围内显示一幅正常的图像。最后，再来验证一下上面的猜想"图像的灰度值肯定一大部分是远大于1的，动态范围缩小到【0,1】后，应该显示一幅几乎全白的图片才对啊！"这次不用im2double,用double函数就好了：
I=imread('0.tif');
I=double(I);
imshow(I)；
和猜想的一样，大部分显示为白色，只有红圈标记处有一些黑点。到此为止，猜想结束，这次让我认识到，遇到不懂的函数还是多看看作者的注释，可以的话（某些函数体不公开，例如fft），最好open function打开函数体看看。
稍等，还有一个问题，很多图像处理书籍在频域处理方面，都通过显示此频谱的图像来进行可视化分析，这样虽然可以，但我个人觉得还是不够直观，新手可能会遇到诸如我这样的问题，我还是觉得用三维绘图显示频率幅度更直，如下图所示，很轻松就能看出能量大多分布在低频区域。
上图显示4个1/4周期。
