通俗解释图像的傅里叶变换
意义：从现代数学的眼光来看，傅里叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。
来看一张很厉害的一维傅里叶变换动图。它把时域和频域解释的很清楚！简单点说就是：所有的波都可以用 很多个正弦波叠加表示 。然而这些波又可以通过 频率 幅值 和 相位 来表示。
也就是说，傅里叶变换能够将一段复杂的波，分解成多段规律的单纯波的集合。然后，对这些规律的波从频域进行描述，就有了整段波的谱线图。
冈萨雷斯版图像处理 里面的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。
应用实例：在图像处理的多个领域中，傅里叶变换大显身手：增强图像细节去除非必要的噪声边缘检测特征提取，甚至图像压缩和加密。
傅里叶变换有一个重要的性质，就是它可以进行逆变换。通过逆变换，我们可以将频域中的信号重新转换回时域中，以便更好地分析和理解信号的特性。在实际应用中，傅里叶变换被广泛应用于信号处理图像处理通信等领域。
图片处理-opencv-12.图像傅里叶变换
1傅里叶逆变换，是傅里叶变换的逆操作，将频谱图像转换为原始图像的过程。通过傅里叶变换将转换为频谱图，并对高频（边界）和低频（细节）部分进行处理，接着需要通过傅里叶逆变换恢复为原始效果图。
2傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。连续情况下要求原始信号在一个周期内满足绝对可积条件。离散情况下，傅里叶变换一定存在。
3在效率上，OpenCV考虑了特殊输入处理技巧，如处理首行非零值，同时，处理复数输出时，可以借助cvmagnitude（）获取幅值信息。
4图像f（x，y）和g（x，y）的卷积h（x，y）=f（x，y）*g（x，y）的傅里叶变换H（u，v）等于f（x，y）和g（x，y）各自的傅里叶变换的乘积。
傅里叶变换的图像应用--学好了用处大
傅里叶变换，一个听起来高大上的名词。初学之时也是云里雾里，一旦学成，应用及其广泛，图像信号声波深度学习等各领域都存在它的身影，包括在地学中，它也能有很大的用处至于哪些方面不展开啦 。
信号处理：傅里叶变换可以用于分析信号的频率特性，例如音频信号图像信号等。通过将信号分解为不同频率的正弦波和余弦波，可以对信号进行滤波降噪增强等处理。
图像增强与图像去噪绝大部分噪音都是图像的高频分量，通过低通滤波器来滤除高频——噪声； 边缘也是图像的高频分量，可以通过添加高频分量来增强原始图像的边缘。图像分割之边缘检测提取图像高频分量。
