图像时域上压缩，幅度谱不变，这句话对吗

这句话说得也不太准确。在图像时域上进行压缩时，可能会导致图像的信息丢失，从而影响幅度谱的形状和大小。

具体地说，在进行图像时域上的压缩时，通常会采用某种压缩算法对图像进行压缩，例如JPEG、PNG等。这些算法通常会对图像进行采样、量化等操作，从而导致图像信息的丢失。这样一来，图像的幅度谱也会发生相应的变化，不同频率分量的能量大小会发生改变，从而影响图像的质量。

需要注意的是，在进行图像压缩时，可以采用一些无损压缩算法，例如无损JPEG、GIF等，这些算法可以在保证图像质量不变的前提下进行压缩，从而保证图像的幅度谱不变。但是，一般来说，无损压缩算法的压缩率较低，无法达到有损压缩算法的压缩效果。

相关问题

图像在时域上平移幅度谱也会平移，这句话对吗

这句话是正确的。在图像进行时域平移时，其幅度谱也会随之发生平移。

这个结论可以通过傅里叶变换的平移定理来进行证明。平移定理表明，对于一个函数f(x)，其傅里叶变换F(u)的平移变换可以表示为：

F(u - u0) = e^(-j2πu0x) * F(u)

其中，u0表示平移的距离，x表示函数的自变量。可以看到，傅里叶变换的平移变换中包含了一个相位因子，这个因子会随着平移距离的变化而发生变化，从而导致幅度谱的平移。

需要注意的是，在进行图像平移时，需要保证图像的边界不被破坏。具体地说，可以通过对图像进行填充等操作来实现平移，从而避免图像边界的问题。

matlab写单边指数信号时域波形图、幅度谱和相位谱

可以使用matlab中的`exp`函数来生成单边指数信号，同时使用`fft`函数计算幅度谱和相位谱，最后使用`plot`函数绘制时域波形图、幅度谱和相位谱。

以下是一个示例代码：

% 定义单边指数信号
t = 0:0.01:2;
x = exp(-2*t).*heaviside(t);

% 计算信号的傅里叶变换
y = fft(x);
n = length(y);
f = (0:n-1)*(1/(n*0.01));

% 计算幅度谱和相位谱
amplitude = abs(y)/n;
phase = unwrap(angle(y));

% 绘制时域波形图
subplot(3,1,1);
plot(t,x);
xlabel('时间');
ylabel('幅度');
title('单边指数信号时域波形图');

% 绘制幅度谱
subplot(3,1,2);
plot(f,amplitude);
xlabel('频率');
ylabel('幅度');
title('单边指数信号幅度谱');

% 绘制相位谱
subplot(3,1,3);
plot(f,phase);
xlabel('频率');
ylabel('相位');
title('单边指数信号相位谱');

运行代码后，会显示出时域波形图、幅度谱和相位谱三个子图，如下图所示：