C++ OpenCV指纹识别X-Signature功率谱0次谐波值过高问题求解

• 傅里叶变换固有特性：0次谐波对应输入信号的直流分量，输出值等于输入信号所有元素的和。X-Signature本身存在全局基线偏移，整体求和值远大于信号的周期波动分量，自然会出现远高于其他谐波的尖峰，不属于计算错误，你后续参照OpenCV官方指南修改后的DFT计算逻辑完全正确。
• OpenCV DFT默认无归一化：官方dft接口默认不对输出结果做长度归一化，输入长度为N的数组时，0次谐波输出值为sum(xSig)，进一步放大了直流分量和其他谐波的数值差距。
• 短序列频谱效应：早期使用长度仅20左右的数组做DFT时，栅栏效应和频谱泄露会进一步突出直流分量的峰值。

• 预处理去除直流分量：做DFT之前先计算X-Signature的均值，所有元素减去均值后再输入DFT，从根源上消除直流分量，核心代码示例如下：

Mat xSig = getxSig();
// 去除信号直流分量
Scalar sigMean = mean(xSig);
Mat xSig_dcFree = xSig - sigMean;

Mat planes[] = { Mat_<float>(xSig_dcFree), Mat::zeros(xSig_dcFree.size(), CV_32F) };
Mat complexI;
merge(planes, 2, complexI);
dft(complexI, complexI);
split(complexI, planes);

// 计算功率谱
Mat PS;
pow(planes[0], 2, planes[0]);
pow(planes[1], 2, planes[1]);
add(planes[0], planes[1], PS);
// 可选：对功率谱做长度归一化，方便后续特征对比
PS /= (xSig_dcFree.total() * xSig_dcFree.total());

• 直接置零0次谐波：指纹的周期模式特征全部由1次及以上的谐波携带，直流分量不包含有效识别信息，也可以在计算完功率谱后直接将PS的第一个元素赋值为0，操作简单且完全符合应用需求。
• 加窗降低频谱泄露：如果X-Signature数组长度仍然较短，可以在去直流后先添加汉明窗再做DFT，降低频谱泄露对谐波峰值计算的干扰，示例代码如下：

// 接去直流后的xSig_dcFree
Mat hammingWin;
createHammingWindow(xSig_dcFree.rows, xSig_dcFree.cols, hammingWin, CV_32F);
multiply(xSig_dcFree, hammingWin, xSig_dcFree);

内容的提问来源于stack exchange，提问作者Alessandro Muscatello