1.1 傅里叶变换
傅里叶变换(FT)是一种数学运算,它产生于信号的频谱内容(Bracewell
1978)。以法国数学家 Jean Baptiste Joseph Fourier(1768-1830)命名。如果一个信
号由一个单一震荡频率组成(例如 163Hz),那么它的 FT 将在这个频率包含一个
峰值(图 1.1a)。如果这个信号由多种频率叠加而成,FT 运算本质上提供了频谱
内容的直方图(图 1.1b)。例如,考虑以下的物理模拟。假设,钢琴上的几个键同
时被敲击,对由此产生的声音进行采样和数字化。信号的 FT 将提供哪个键被敲
击,以何种强度敲击的信息。
在实际的 MR 数据重建中,FT 是无处不在的,它也存在于 MR 过程的理论
分析中。这是因为横向磁化的物理演化非常自然地被 FT 所描述。在 MRI 中,我
们通常使用复傅里叶变换,复傅里叶变换使用复指数而不是单一的正弦或余弦傅
里叶变换。做出这种选择是因为复指数能方便的表示磁化矢量的运动。表 1.1 回
顾了复指数的很多基本性质。通常,一个级操作(如|Z|)在像素乘像素基础上,
将 FT 输出复数转化为正实数,这对像素强度的显示更方便些。
图 1.1 FT 的粗略描述
(a) 如果一个时域信号包含一个单一频率的音调,它的 FT 将在那个频率包含
一个峰值,以 163Hz 为例
(b) 如果这个信号包含两个音调,它的 FT 展现第二个峰值。所示情况下,15Hz
的幅值是 163Hz 幅值的四分之一
对于一个连续变量的函数,它的 FT 被一个包含积分的过程计算得到。这个
连续 FT 在 MRI 的理论工作中得到广泛应用。然而,实际的 MRI 信号,在有限的
离散时间点被测量,被采样,所以,离散傅里叶变换(DFT)被用于实际的图像
重建中。对于 DFT,FT 的积分运算被有限求和代替。快速傅里叶变换(FFT)(Cooley
and Tukey 1965;Brigham 1988)是 DFT 的一种重要的特殊情况。FFT 是一种计
算 DFT 信号的运算,DFT 信号的长度是特殊值(最典型的是等于 2 的幂次方,例
如,256=2^8)。正如名字所隐含的,FFT 比标准 DFT 的运算速度快。
1.1.1 连续傅里叶变换及其反变换
设 g(x)是一个实变量函数。g(x)的输出可以包含复数值。g(x)的复数傅里
叶变换是另一个函数,称为 G(k):
两个实变量 x 和 k 被称为傅里叶对,代表一对 FT 域。MR 中经常用到的域对
是(时间,频率)和(距离,K 空间)。如果代表这两个域的一对变量的物理单
元是相乘的,结果通常是量纲。例如,对于时间-频率,乘积是:
公式(1.1)中的两个函数 g(x)和 G(k)被称为傅里叶变换对。知道这个
变换对的其中一个就足以重构出另一个。如果已知 G(k),那么 g(x)就可以由
反傅里叶变换(IFT)得到:
IFT 可以抵消 FT 的效果,如下:
相反亦然:
请注意,公式(1.4)和(1.5)的右侧只是简单的 g(x)和 G(k),并没有
各自乘上任何比列因子。这是因为公式(1.3)中 IFT 的定义被适当的归一化。
归一化的进一步讨论将在 1.1.10 中提及。
注意,在公式(1.1)和(1.3)中, 2因子出现在参数的幂上。如果域变量被
时间和角频率代替(,弧度/秒),那么 FT 的形式将有所不同。FT 及其反变换变为:
注意,在公式(1.6)中,在指数上缺少 2因子,在 FT 前面乘上额外的归
一化因子。公式(1.6)可以改写成一种更对称的形式,在 FT 和 IFT 的定义中,
在分母上,通过将 2分裂成等同于 2 因子。另外,我们可以利用一个熟悉的
变换来改写公式(1.6),角频率改写成标准频率 f (cycles/second 或者 hertz):
将公式(1.7)带入公式(1.6)得到对称的 FT 对:
和
在这本书中,我们主要应用这种形式( 2因子在指数上)的 FT 和 IFT,例如公
式(1.1)和(1.8)。
1.1.2 多维傅里叶变换与可分
在 MRI 中,经常出现多维傅里叶变换。例如,两个变量的函数的两维傅里叶
变换(2D-FT)被定义为:
这里, ( ,
x y
r
k
和 (
)
,
k k
x
y
)
是矢量。2D-FT 的反变换被定义为:
公式(1.10)和(1.11)可以容易的推广到三维或者多维。
如果函数 g 可在 x 和 y 分离为:
那么,FT 也是可分离的:
一个可分离的二维函数例子是高斯函数:
对比地:
是不可分离的。
1.1.3 傅里叶变换的性质
FT 的一个重要性质是移位定理。在一个域中的坐标移位或者偏移,在另一
个域中,等于信号乘上一个线性相位斜坡,反之亦然:
FT 的另一个有用性质是,在一个域中的卷积等于在另一个域中简单的相乘。
如果 ( )
f x 和 ( )g x 是两个函数,那么卷积被定义为:
和
帕斯瓦尔定理(以 Marc-Antoine Parseval des Chesnes,1755-1836,法国
数学家)是第三个常用的 FT 性质。它描述为,如果 f 和 g 是两个函数,它们的
傅里叶变换分别为 F 和 G,那么,
这里,*表示复共轭。假设公式(1.19)中 g=f,将产生一种特别有用的情况,
它显示 FT 操作隐藏的归一化:
表 1.2 提供了几种在 MRI 中常用的一维傅里叶变换对。如果变量可分离,这
些关系可应用到多维傅里叶变换。
1.1.4 离散傅里叶变换及其反变换
在 MRI 中,采样过程提供了有限的(如 256 个)复数数据点,而不是一个连
续变量的功能。因此,MR 成像通常使用 DFT 重建。假设有 N 个复数数据点:
DFT 的第 J 个元素被定义为:
注意,J=0 代表 DFT 的直流,或者零频率元素(DC 采用电气工程中直流的缩
写)。公式(1.22)中的指数因子有时被称为旋转因子。离散傅里叶反变换的第
K 个元素被定义为:
公式(1.23)中的1/ N 因子应归一化的要求,所以,
这类似于公式(1.6)-(1.9)中复傅里叶变换归一化因子 2的操作,公式
(1.23)中归一化因子1/ N 可以从反离散傅里叶变换转移到离散傅里叶变换。另
外,在 DFT 和 IDFT 中,它有时对称分布为等于1/ N 。你最好核对一下你所使
用的特定数值程序的说明书。公式(1.24)中归一化因子1/ N 被需要是因为:
尽管 DFT 是通常数值计算,但是它确实有些有用的分析性能,表 1.3 总结
了这些特性。