简介：面向三维形貌测量与数字全息入门者的傅里叶变换轮廓术（FTP）Matlab仿真资源包，完整演示了条纹投影、图像捕获、傅里叶变换、相位恢复与三维重建的典型处理链路。压缩包仅274KB，包含2个.m主程序（条纹图生成与相位解包裹/重建代码）、1份PDF实验说明、1幅原始物体图像和1幅重建结果TIFF图，共5个文件，结构紧凑，适合科研人员、高校学生及图像处理开发者对照调试。源码中标注了条纹周期、相位步进、FFT尺寸等关键参数，并对误差源与优化方向作了说明；可直接运行并观察每步处理结果，也能作为课程设计、毕业设计或课题预研的算法模板，在Matlab中逐段单步调试，深入理解频域滤波与相位解包裹细节。当前已有1062人学习浏览，尤其适合希望快速验证FTP原理、掌握三维重建流程的初学者与进阶者。 傅里叶变换轮廓术仿真实验？第一次看到这个名字的人，大概率会被“傅里叶变换”四个字吓退。其实换个说法就很好理解：往物体上投一条条黑白渐变的光栅条纹，再用相机拍下被物体表面“顶歪”的条纹照片，最后用傅里叶变换把条纹里藏着的三维高度信息提取出来。这个zip包里的仿真实验，就是把这一整套流程从光栅生成、条纹变形、频谱分析到三维重建，全部搬到电脑里用代码跑通，让你不碰任何光学硬件就能把核心原理从头到尾摸透。适合正在学光学测量、数字图像处理课程的学生，刚入门结构光三维重建的工程师，以及想快速验证FTP算法细节的研究者。我个人认为，仿真实验是这个领域性价比最高的入门方式——不需要搭建光学平台，不依赖相机标定，一台电脑就能把“投影—拍摄—计算—重建”整条链路完整走一遍。
1. 傅里叶变换轮廓术到底在解决什么问题
1.1 从光学三角法的角度看FTP的定位
三维测量这件事，很多人的第一反应是激光雷达、双目相机或者最近很火的LiDAR。但在工业检测、生物医学、文物保护这些场景里，还有一种更“轻”的方案：结构光投影。傅里叶变换轮廓术（Fourier Transform Profilometry，FTP）就是结构光家族里非常经典的一员。
它跟双目视觉最大的区别在于，不需要两个相机做立体匹配，而是一个投影仪加一个相机就够了。投影仪往物体表面投正弦光栅，相机在另一个角度拍摄。物体表面如果有高度起伏，光栅条纹就会被“压弯”——凸起来的地方条纹向一侧偏移，凹下去的地方向另一侧偏移。偏移量的大小和高度之间存在确定的几何关系。所以FTP的实质，是用一个已知周期的光栅当作“光学标尺”，通过测量条纹的形变反推物体的三维形貌。
那为什么偏偏用傅里叶变换来做呢？因为条纹的形变本质上是一个相位变化。在空域里直接看条纹图，很难精确量化“弯了多少”，但把整幅图做傅里叶变换之后，形变信息会集中出现在频谱的特定位置，滤波、频移、逆变换三步操作就能把相位干净地提取出来。这个思路最早可以追溯到1983年Takeda等人的经典论文，四十多年过去了，依然是很多工业测量设备的底层算法。
1.2 一条公式讲透“相位调制高度”
FTP的数学模型并不复杂。投影仪投出的理想正弦光栅，在参考平面上的强度分布可以写成：
g(x, y) = a(x, y) + b(x, y)cos[2πf₀x + φ₀]
其中a是背景光强，b是条纹对比度，f₀是光栅的载频，φ₀是初始相位。当物体放上去之后，表面高度h(x, y)会改变光线的传播路径，等效于在相位项上叠加了一个由高度引起的相位调制Δφ(x, y)：
g'(x, y) = a(x, y) + b(x, y)cos[2πf₀x + φ₀ + Δφ(x, y)]
这里的关键是：Δφ里面就藏着高度信息。在平行光轴、相机与投影光轴夹角为θ的简化系统里，高度和相位差近似成正比：
h(x, y) ≈ (1 / (2πf₀ tanθ)) · Δφ(x, y)
所以只要能从变形条纹里提取出Δφ，物体表面每个点的高度就都算出来了。整个算法流程听起来像绕了一大圈，其实本质上是把“空间位置测量”变成了“相位测量”——相位这个东西对微小形变极其敏感，精度远高于直接在图像里找条纹边缘。
2. 仿真实验的整体设计：模块拆解与方案选型
2.1 四大核心模块
拿到这个仿真项目之后，我建议先不急着看代码，而是从模块角度把整个工程拆成四块，这样后面调参时才知道该动哪里。
第一块是模拟物体生成。仿真里总得有个“被测物体”，通常用高斯函数、球面、半球组合或者更复杂的数学曲面来生成一个高度图。这块的任务是给后续所有步骤提供一个已知真值的测试对象。
第二块是条纹图生成。模拟投影仪把正弦光栅投射到物体上，经过高度调制之后得到变形条纹图。仿真里这一步其实就是把h(x, y)代入相位项，直接生成带相位调制的灰度图。这里有个很实在的优势：因为是仿真，投影角θ、载频f₀、条纹周期这些参数都可以随意设，不像真实实验那样受光学平台空间限制。
第三块是频域处理，也是FTP的心脏。对变形条纹图做二维FFT，在频谱中分离开零频背景项和携带高度信息的±1级分量，然后用带通滤波器把+1级分量提取出来，移到频谱中心，再做逆FFT，从复数结果中取辐角，得到包裹相位（wrapped phase）。
第四块是相位解包裹与高度重建。包裹相位的值域被截断在[-π, π]，需要解包裹去掉2π跳变，恢复连续相位分布。最后按标定公式转换成高度图，并把重建结果与原始模拟物体做对比，计算误差。
2.2 三个决定成败的关键参数
仿真里参数设得好不好，直接决定结果能不能看。我用下来觉得最核心的有三个。
载频f₀是第一个。它由光栅周期决定，直接决定频谱里±1级分量离零频有多远。f₀太小，频谱分不开，滤波会同时混入背景分量；f₀太大，一个条纹周期只占几个像素，采样不足，反而会在解包裹时引入大量噪声。我的经验是，条纹周期至少占8到16个像素比较稳妥，既保证频谱分离度，又保证相位解调的过采样率。
第二个是滤波器带宽。滤波器太窄，会把高频的细节信息滤掉，重建结果偏“糊”；太宽，又会把零频残留和噪声放进来。比较实用的是汉明窗或高斯窗，宽度一般取载频附近、对称覆盖±0.2f₀到±0.3f₀即可。
第三个是模拟物体的高度范围。高度太大意味着相位调制太强烈，有可能会超出载频允许的频谱范围，导致混叠。这个问题的物理本质是：FTP能恢复的相位变化率是有上限的，超过上限就得换更高载频或更小的测量角度。仿真里最简单的处理办法是先把相位调制幅度控制在π以内，验证整体流程无误后再逐步增大高度范围。
3. 手把手实现：从光栅生成到三维恢复
3.1 第一步：构造模拟物体并生成变形条纹
打开工程后，我一般习惯先用一个简洁的脚本把模拟环境搭起来。生成模拟物体最常用的是两个高斯峰组合，看起来像山丘，高度变化平滑，适合检验算法的连续性和抗噪性。
% 生成模拟物体：双高斯峰 Nx = 512; Ny = 512; [x, y] = meshgrid(1:Nx, 1:Ny); h = 30 * exp(-((x - Nx/2 - 60).^2 + (y - Ny/2).^2) / (2 * 80^2)); h = h + 25 * exp(-((x - Nx/2 + 70).^2 + (y - Ny/2 + 50).^2) / (2 * 60^2));接着定义光栅参数并生成变形条纹。注意这里我把高度信息直接写进余弦的相位项，相当于模拟了“投影—相机”整个物理过程。
f0 = 1/16; % 载频，每16个像素一个条纹周期 phase0 = 0; % 初始相位 Iref = 0.5 + 0.5 * cos(2 * pi * f0 * x + phase0); % 参考平面条纹 Ideform = 0.5 + 0.5 * cos(2 * pi * f0 * x + phase0 + 4 * pi * h / lambda); % 变形条纹这里的lambda是一个等效波长参数，物理含义是高度变化lambda/2时引起2π的相位变化。在实际系统里它由投影角度和光栅周期共同决定，仿真中可以直接当作一个比例因子来调节“条纹被压弯的幅度”。我建议先取lambda=30左右开始实验，稳定后再调小到20甚至10，观察高度和相位的非线性关系如何体现。
3.2 第二步：频谱滤波与包裹相位提取
生成变形条纹图后，就到了FTP真正的技术点：频域处理。整个过程分四步：二维FFT、频移、滤波、逆FFT并取辐角。
G = fftshift(fft2(Ideform)); % 频谱搬到中心，便于观察 [M, N] = size(G); % 构造带通滤波器，只保留+1级 cx = round(N/2 + f0 * N); % +1级中心位置 win = zeros(M, N); for i = 1:M for j = 1:N dist = sqrt((i - M/2)^2 + (j - cx)^2); if dist < N/16 win(i, j) = 0.5 + 0.5 * cos(pi * dist / (N/16)); end end end G1 = G .* win; % 把+1级移回频谱中心 G1_shift = circshift(G1, [0, -round(f0 * N)]); % 逆变换取辐角 g1 = ifft2(ifftshift(G1_shift)); wrappedPhase = angle(g1);这段代码里最容易出错的是频谱中心位置的确定。fftshift之后的零频在图像正中心，+1级的位置是(N/2 + f0*N)，如果f0=1/16，那么+1级就在离中心N/16处。滤波窗的半径取多少直接决定相位质量，我给的N/16只是一个起点，实际调试时建议把滤波前后的频谱图用imagesc显示出来，肉眼看清楚再定。
另外一个很关键的细节是circshift搬移。+1级频谱从载频位置搬到原点之后，逆变换得到的g1是一个复矩阵，取辐角就能得到包裹相位。这个搬移动作相当于对条纹做了一次解调，去掉载频项，让相位变化直接暴露出来。
3.3 第三步：相位解包裹与高度重建
包裹相位的值是0到2π之间反复跳变的锯齿形。MATLAB有内置unwrap函数，按行或者按列解包裹很方便。但我强烈建议不要直接无量纲地用unwrap，而是先想清楚相位在空间上的连续性。
unwrapedPhase = unwrap(wrappedPhase, [], 2); % 沿行方向解包裹 % 减去参考平面相位，得到纯高度引起的相位差 phiRef = unwrap(angle(ifft2(ifftshift(fftshift(fft2(Iref)) .* win))), [], 2); deltaPhi = unwrapedPhase - phiRef; % 高度映射 hRecovered = deltaPhi * lambda / (4 * pi);这一步有两条经验值得记下来。第一，解包裹时选择的路径会影响结果，串行扫描法遇到噪声大的区域会把误差一路传播下去。更稳妥的做法是质量引导法或最小二乘法，虽然实现复杂度高一些，但抗噪能力强很多。第二，做仿真时一定要保留“参考平面条纹”的处理结果，把变形条纹解包裹后的相位减去参考平面的相位，得到的才是纯高度引起的相位差。这一步叫相位差解算，很多新手会漏掉，导致结果里带着一个明显的斜坡分量。
高度重建完之后，马上把结果和原始h做差，算均方根误差和最大误差。我的标准是，在无噪声理想条件下，均方根误差应该小于最大高度的百分之一；如果达不到，优先检查滤波窗和相位解包裹路径。
3.4 调参与避坑的几点经验
从我自己反复调这个仿真的经验来看，有几个坑确实值得单独说。
第一个坑是频谱混叠。如果物体高度变化太剧烈，相位调制会产生很高的局部频率，超出滤波器覆盖范围，重建结果边缘会出现明显波纹。这个时候不要急着改滤波器，先检查高度范围是不是过大。把高度幅度减小一半，如果波纹消失了，说明确实是相位梯度超限，需要降低测量动态范围，或者改用更高载频的条纹。
第二个坑是滤波窗边缘的振铃效应。矩形滤波器在频域里是理想带通，但逆变换到空域会产生Gibbs振铃——图像边缘出现一圈一圈的伪影。所以我一般用汉明窗或余弦窗代替矩形窗，虽然主瓣宽了一点点，但振铃小得多，重建结果也干净得多。
第三个坑是unwrap函数的方向。如果条纹是纵向的（沿x方向变化），相位解包裹要沿x方向进行，即按行处理；如果条纹是横向的，就要沿y方向。用错方向会导致整个相位场乱掉，看起来像随机噪声。代码里我是用unwrap(wrappedPhase, [], 2)显式指定沿第二维解包裹，新手最常犯的错就是忘记这个维度参数。
4. zip包解压与运行环境排查
4.1 为什么项目用zip分发
这个仿真项目用zip压缩包来分发，是很务实的做法。一个典型的FTP仿真工程，除了.m脚本，还包含频谱图、重建结果图、说明文档，可能还有几个版本迭代的备份文件，直接散着传很容易漏文件，打成zip包一个文件传过去就完事。另一方面，zip是跨平台兼容性最好的压缩格式，Windows、macOS、Linux都能直接解压，不像rar、7z那样需要额外装软件（虽然我确实也推荐装7-Zip，后面会解释原因）。
解压时我用的是7-Zip或者Bandizip，理由很简单：它们对压缩包内文件名的编码兼容性更好。zip标准在设计时没有明确规定文件名编码，早年Windows自带的压缩功能默认用GBK，macOS和Linux默认用UTF-8。这就导致一个经典问题：在Windows上压缩的中文文件名，到Linux上解压出来就是乱码。7-Zip和Bandizip会根据系统区域设置自动选择编码，遇到乱码还可以手动切换，比系统自带解压工具省心得多。
4.2 解压报错的常见原因与对策
收到zip包后，最噩梦的体验就是双击解压弹出“invalid zip archive: could not find EOCD”之类的报错。EOCD是zip格式的文件尾记录，相当于整压缩包的“目录索引”，如果找不到它，说明文件被人为截断或者根本不是一个完整的zip文件。这类报错绝大多数不是代码问题，而是下载过程出了问题。
我的排查步骤是：先看文件大小，和发布页面标明的字节数对比一下，差太多基本就是下载中断；再用压缩软件自带的“测试压缩包”功能，7-Zip的文件菜单里有“测试”，能快速定位哪个分卷或哪个文件块损坏；最后重新下载一次，建议换一个网络环境或者用支持断点续传的下载工具，比在同一环境反复重试靠谱。
还有一种情况是文件后缀虽然是.zip，实际却是一个自解压exe或者RAR包。这种伪装包解压时同样会报“could not find EOCD”，因为格式根本不匹配。处理办法是直接用文件查看工具打开文件头，zip格式的文件头前四个字节通常是“PK\x03\x04”，对不上就先改后缀再试。
4.3 代码跑不起来的三大检查项
好不容易解压成功，双击运行脚本却报错，这时候先别怀疑代码本身。我遇到过的情况里，九成都是环境问题。
第一项检查路径。项目里如果用了相对路径读取图片或保存结果，脚本的工作目录必须切换到解压后的文件夹。在MATLAB里，右键脚本选择“运行”或者在命令行先cd到该目录，否则读到的可能是别的目录下的同名文件。还有一点容易忽略：如果解压路径含中文或空格，部分老版本代码里的load、imread会直接报错找不到文件，建议把整个工程放到纯英文路径下再跑。
第二项检查依赖。如果脚本里调用了Image Processing Toolbox之外的函数，比如符号计算或者并行计算工具箱，运行时会提示“Undefined function or variable”。最简单的排查办法是逐一执行脚本里每行代码，看具体卡在哪一行，再去查对应的工具箱是否已安装。
第三项检查数据格式。仿真得到的中间结果如果保存成了.mat文件，不同MATLAB版本之间的兼容性偶尔会出问题，尤其是用新版本保存的高版本格式，在旧版本中可能打不开。稳妥的做法是在发布项目时把关键中间结果同时导出成.png图片或者.txt文本，既方便别人查看中间过程，也避免版本兼容隐患。
5. 实验结果怎么评价
5.1 看相位图比看高度图更重要
跑通流程拿到第一张三维重建图，确实很兴奋，但实验到这里其实只完成了一半——评价结果好坏，才是仿真实验最有价值的环节。我的习惯是先看中间过程的频谱图和包裹相位图，再看最终的高度图。
频谱图是最直观的诊断工具。如果+1级频谱周围有清晰的旁瓣或者频谱分裂成两团，说明相位调制过强或者载频选择不合适；如果频谱中心的一大片背景扩展到+1级的位置，说明背景光和条纹对比度的设置需要调整。包裹相位图则能暴露滤波质量：好的包裹相位应该呈现平滑的条纹渐变，如果局部出现明显的颗粒状噪声，那个区域的滤波器响应一定有问题。
高度图对比还有一个容易忽略的维度：边缘区域。双高斯峰物体在边缘处高度接近零，理论上重建结果也应该趋于零，但由于FFT的周期性边界假设，边缘往往会出现误差。观察边缘剖面曲线（edge profile）比看整体彩色图能更早发现问题。
5.2 误差来源与改进方向
仿真实验测出来的误差，主要来自三个地方。第一种是频谱泄漏误差。物体表面不连续或者边缘尖锐时，频谱能量会被抹开，滤波器无法完整截取+1级分量。这是FTP本身的局限，仿真里可以通过改用加窗傅里叶变换或者小波变换来缓解。第二种是滤波误差。滤波器窄了丢细节，宽了带噪声，这个权衡没有标准答案，只能根据具体物体的频谱特征反复试。第三种是相位解包裹误差，一个坏点可能导致一整行相位都跳变，解决办法是用质量引导算法。
改进方向上，我个人建议可以让这个仿真继续扩展：把单频光栅换成双频光栅，利用双频信息做更鲁棒的相位解包裹；把正弦光栅换成相移条纹，和FTP的方法做对比；或者直接加入高斯噪声，画一条“重建误差—噪声强度”曲线，这会让仿真结果更有说服力，写课程报告或者论文时也是一个完整的技术指标。
我在实际跑这个仿真实验的过程中，最大的收获不是最后那张三维图有多漂亮，而是把“频域滤波”这个概念从书本搬到了手边。以前看到带通滤波器总觉得是通信课的抽象概念，等亲手把频谱图的某个区域抠出来、再逆变换回空域看到清晰的相位条纹时，才真正理解“频域操作对应空域滤波”这句话。如果你也是刚接触FTP，我的建议是别急着追求高精度，先按默认参数完整跑通一遍，再逐个改动载频、滤波窗宽、高度幅度，观察每一步结果怎么变化。这种“破坏性实验法”立在调试思路上，能帮你快速建立参数与结果之间的直觉。项目后续如果想继续深入，我还推荐对比一下不同解包裹算法在噪声环境下的表现，那又会是一轮新的学习曲线，但底层的这套FTP思维会是所有扩展实验的基础。
本文还有配套的精品资源，点击获取
