理解图像中的低频分量和高频分量

参考：
http://blog.sina.com.cn/s/blog_8da31aa3010142x8.html
http://blog.sina.com.cn/s/blog_a98e39a201012hpp.html#cmt_532CFB31-7F000001-7D764EA9-873-8A0
总得来说，低频分量（低频信号）代表着图像中亮度或者灰度值变化缓慢的区域，也就是图像中大片平坦的区域，描述了图像的主要部分。。高频分量（高频信号）对应着图像变化剧烈的部分，也就是图像的边缘（轮廓）或者噪声以及细节部分。
之所以说噪声也对应着高频分量，是因为图像噪声在大部分情况下都是高频的。
低频分量：主要对整幅图像强度的综合度量。高频分量：主要是对图像边缘和轮廓的度量。而人眼对高频分量比较敏感。
我们试着用傅立叶变换站在另外一个角度观察图像，将图像从灰度分布转化到频率分布（频谱图）上去观察图像的特征。需要了解的是，图像进行二维傅立叶变换之后得到的频谱图，就是图像梯度的分布图。具体的，傅立叶频谱图上我们能看到明暗不一的亮点，实际是图像上某一点与邻域点差异的强弱，即梯度的大小。
所以说，如果一幅图像的各个位置的强度大小相等，则图像只存在低频分量。从图像的频谱图上看，只有一个主峰,且位于频率为零的位置.。需要提一句的是，图像的频谱图可以由傅里叶变换得到。
如果一幅图像的各个位置的强度变化剧烈，则图像不仅存在低频分量，同时也存在多种高频分量。从图像的频谱上看，不仅有一个主峰,同时也存在多个旁峰。可以这样理解：图像中的低频分量就是图像中梯度较小的部分，高频分量则相反。
从直方图上看，低频分量对应直方图内大块区域，而小块或者离散的区域就是高频分量。这说明低频分量占据了图像的主要部分。
从二维函数上理解，变化剧烈的地方就是高频分量，变化少的地方就是低频分量。

总结

总的来说，其实低频分量和高频分量只是一种相对的概念。对于二维信号来说，即图像，低频分量和高频分量与像素值的大小无关。比如一张全白的图像，从像素值的意义上来说它的值全是255，在uint8中已经是像素的最大值，但是它却只有低频分量而没有高频分量。因为每一个像素点(目标像素点)的周围都不具有对比度，即周围像素点没有相对于目标像素点的像素值大或者小。