傅里叶变换与频域

把信号分解为一组正弦波，使卷积变为相乘，是 Cryo-ET 几乎每一步处理的基础

傅里叶变换把一个信号拆解成构成它的一组纯频率，就像把一段和弦还原为它所含的一个个单音。每个单音有自己的音高（频率）与响度（幅度），把它们按各自的份量重新叠加，就回到原来的信号；变换给出的正是这份”配方”。同样的拆解对图像与层析体成立，只是其中的”音”变成在空间中起伏的条纹。

这份”配方”之所以值得专门记下来，是因为同一个信号在两种坐标下看起来完全不同，却携带相同的信息。在实空间里你按位置读出数值——某个像素亮一点、某条边暗一点；在频域里你改为按尺度读出数值——整张图里有多少缓慢的明暗起伏、多少细密的纹理。许多在实空间里纠缠在一起、难以分别处理的操作，换到频域后就各自独立、互不干扰。Cryo-ET 的成像与重构链条几乎处处依赖这一点，因此频域不是一种可选的技巧，而是这一领域的默认语言。

傅里叶变换把信号表示为一组复正弦波的叠加，将位置的函数换成空间频率的函数。对连续信号 $f(x)$ ，变换及其逆变换为

F(k) = \int_{-\infty}^{\infty} f(x)\, e^{-2\pi i k x}\, dx, \qquad f(x) = \int_{-\infty}^{\infty} F(k)\, e^{\,2\pi i k x}\, dk,

其中 $k$ 是空间频率（每单位长度的周期数）。复数 $F(k)$ 同时编码每个频率上的幅度 $|F(k)|$ 和相位 $\arg F(k)$ 。低频描述缓慢的大尺度变化，高频描述精细结构与锐利边缘。在二维和三维中，变换通过对 $e^{-2\pi i\,\mathbf{k}\cdot\mathbf{x}}$ 积分推广，因此一张图像或一个层析体都有对应的幅度与相位谱。

把这个积分逐项读一遍会更踏实。 $f(x)$ 是待分析的信号； $e^{-2\pi i k x}$ 是一支频率为 $k$ 的”探针”正弦波；二者相乘再沿整个 $x$ 轴积分，相当于问”信号里含有多少这一频率的成分”。若 $f$ 在某频率上确实起伏，乘积在积分中同相累加、给出大的 $F(k)$ ；若没有，正负部分相消、给出接近零的值。逆变换把这些复系数 $F(k)$ 当作权重，重新叠加所有频率，精确还原 $f(x)$ 。两个公式互为镜像，唯一区别是指数的符号——这保证了变换可逆、不丢信息。

幅度与相位的分工值得单独强调，因为它在去噪和重构里反复出现。幅度 $|F(k)|$ 说”每个尺度上有多少能量”，相位 $\arg F(k)$ 说”这些波峰对齐在什么位置”。一个经典事实是：把一张图的幅度谱与另一张图的相位谱拼起来逆变换，得到的画面看上去更像提供相位的那张——也就是说，物体的轮廓与结构主要藏在相位里。这正是为什么显微镜对相位的破坏（见下文 CTF）格外致命，也是为什么很多重构方法把”恢复正确相位”看得比”恢复正确幅度”更重。

有三条性质使频域在 Cryo-ET 中处于核心地位。其一，变换是线性的，因此独立处理每个频率是良好定义的。其二，卷积定理指出实空间中的卷积等于频域中的相乘，

(f * g)(x) \;\xleftrightarrow{\;\mathcal{F}\;}\; F(k)\,G(k),

这把显微镜的作用以及线性滤波器都化为对每个频率的简单加权。其三，信号能量在两域之间守恒（帕塞瓦尔定理），因此谱的模具有直接的物理含义。

深入

卷积定理是这一切的技术核心。实空间里的卷积 $(f*g)(x)=\int f(\tau)\,g(x-\tau)\,d\tau$ 是一种代价不小的逐点叠加运算：要算 $N$ 个输出点、每点扫过 $N$ 个邻居，朴素实现是 $O(N^2)$ 。频域把它变成逐元素相乘 $F(k)\,G(k)$ ，几乎免费。这条等价关系直接支撑了两件事。其一是计算：成像、平滑、锐化、带通——任何线性平移不变的操作都是某个核 $g$ 的卷积，于是都能写成”做 FFT、乘一个谱、再做逆 FFT”。其二是建模：真实显微镜对样品做的就是与点扩散函数 $g$ 的卷积，于是观测谱等于真实谱乘以一个传递函数 $G(k)$ 。把这条关系倒过来读，就得到”反卷积”的想法——已知 $G(k)$ ，理论上可由 $F_\text{obs}(k)/G(k)$ 恢复真值；但凡 $G(k)$ 在某些频率上接近零（CTF 的过零点正是如此），那里就被噪声淹没、无法直接除回，缺失的信息只能靠先验或多角度互补来填。

直觉

一条锐利边缘或一个高衬度点，是由许多频率同相相加构成的。模糊抹掉了高频项，残存的低频仍能勾勒物体轮廓，却丢失了精细结构。谱是对信号在各个尺度上含量的一份完整且可逆的账本。

方波正是由各奇次谐波叠加而成 —— 谐波越多越逼近，跳变处却始终留有过冲：

部分和目标方波

谐波个数: 4

4 个正弦谐波叠加得到的部分和。谐波越多越接近方波，但跳变处的过冲（Gibbs 现象）不会随谐波数消失，只是越挤越窄。

这个演示也顺带说明了一个常被误解的现象：跳变处的过冲（吉布斯现象）不会随谐波增多而消失，它的高度稳定在约 9%，只是越挤越窄。这提醒我们，用有限个频率去逼近一个含锐利边界的信号，总会在边界附近留下振铃——在 Cryo-ET 里，过度截断高频、或在某频率上硬性置零，常常以这种条纹假象的形式现身。

由于实测图像位于离散网格上，实际处理使用离散傅里叶变换，并由快速傅里叶变换 (FFT) 以 $O(N\log N)$ 复杂度计算。离散化也带来代价：把连续信号搬上有限的像素网格，意味着频率被截断在一个上限处，这正是采样极限的来源；网格的有限尺寸还使谱本身离散化，于是数值上的卷积都带有周期性的环绕假设，处理边缘时需留意。

频域视角串起了后续几乎所有主题：显微镜的作用是一条对谱相乘的衬度传递函数，它把卷积定理用到了真实的成像物理上；有限像素带来采样极限；点扩散与卷积在频域化为简单加权；去噪则通过对谱做滤波实现；而信噪比在频域里逐尺度可读，告诉我们哪些频率值得信任。最关键的一步在于重构：中心切片定理指出，每张投影的二维傅里叶变换恰好是物体三维谱的一张过原点切片——于是把多角度投影变换到频域、拼装成完整的三维谱、再逆变换，就重建出物体。倾斜角度有限留下的那块未被任何切片覆盖的频域空洞，就是 Cryo-ET 的缺失楔形，也是 CryoGEN 与 CryoWGEN 这类方法要去填补的对象。

← 信号处理