图像处理系列笔记： https://blog.csdn.net/qq_33208851/article/details/95335809
傅里叶变换是一种函数在空间域和频率域的变换，从空间域到频率域的变换是傅里叶变换，而从频率域到空间域是傅里叶的反变换 时域与频域：
频域(frequency domain) 是指在对函数或信号进行分析时，分析其和频率有关部份，而不是和时间有关的部份，和时域一词相对。 时域 是描述数学函数或物理信号对时间的关系。例如一个信号的时域波形可以表达信号随着时间的变化。若考虑离散时间，时域中的函数或信号，在各个离散时间点的数值均为已知。若考虑连续时间，则函数或信号在任意时间的数值均为已知。在研究时域的信号时，常会用示波器将信号转换为其时域的波形。 两者相互间的变换 时域（信号对时间的函数）和频域（信号对频率的函数）的变换在数学上是通过积分变换实现。对周期信号可以直接使用傅立叶变换，对非周期信号则要进行周期扩展，使用拉普拉斯变换。信号在频率域的表现 在频域中，频率越大说明原始信号 变化速度越快；频率越小说明原始信号越平缓。当频率为0时，表示直流信号，没有变化。因此，频率的 大小反应了信号的变化快慢。高频分量解释信号的突变部分，而低频分量决定信号的整体形象。 在 图像处理中，频域反应了图像在空域灰度变化剧烈程度，也就是图像灰度的变化速度，也就是图像的梯度大小。对图像而言，图像的边缘部分是突变部分，变化较 快，因此反应在频域上是高频分量；图像的噪声大部分情况下是高频部分；图像平缓变化部分则为低频分量。也就是说，傅立叶变换提供另外一个角度来观察图像， 可以将图像从灰度分布转化到频率分布上来观察图像的特征。书面一点说就是，傅里叶变换提供了一条从空域到频率自由转换的途径。对图像处理而言，以下概念非 常的重要：
图像高频分量：图像突变部分；在某些情况下指图像边缘信息，某些情况 下指噪声，