摘要

频域图像处理通过傅里叶变换将图像从空间域转换到频率域，为图像增强、去噪、压缩等任务提供全新视角。本文将深入解析傅里叶变换原理，介绍低通、高通滤波的实现方式，结合OpenCV和Python代码展示频域滤波在去除噪声、增强边缘中的应用，帮助读者掌握图像频域处理的核心技术。

一、频域图像处理：开启图像的“第二视角”

在空间域中，我们关注图像的像素值和位置关系；而在频域中，图像被分解为不同频率的正弦和余弦波组合。

• 核心概念：
  • 低频信息：图像的平滑区域、整体轮廓
  • 高频信息：图像的边缘、细节和噪声
• 应用场景：去噪、边缘增强、图像压缩、特征提取

二、傅里叶变换：从空间域到频率域的“桥梁”

1. 傅里叶变换原理

傅里叶变换（FT）的核心思想是将任何函数表示为不同频率的正弦和余弦函