图像去噪、增强、边缘检测----两种方法实现傅里叶变换Numpy和OpenCV

一、图像处理

图像处理一般分为空间域处理和频率域处理

空间域处理是直接对图像内的像素进行处理。主要划分为灰度变换和空间滤波两种形式。灰度变换是对图像内的单个像素进行处理，比如调节对比度和处理阈值等。空间滤波涉及图像质量的改变，例如图像平滑处理。空间域处理的计算简单方便，运算速度更快。

频率域处理是先将图像变换到频率域，然后在频率域对图像进行处理，最后再通过反变换将图像从频率域变换到空间域。

二、傅里叶变换

傅里叶变换是应用最广泛的一种频率变换，它能够将图像从空间域变换到频率域，而傅里叶反变换能够将频率域信息变换到空间域内。在数学界的含义是任何周期函数都可以表示为不同频率的正弦函数和的形式。在图像处理过程中，傅里叶变换就是将图像分解为正弦分量和余弦分量两部分。

数字图像经过傅里叶变换后，得到的频域值是复数。因此，显示傅里叶变换的结果需要使用实数图像（real image）加虚数图像（complex image），或者幅度图像（magnitude image）加相位图像（phase image）的形式。

因为幅度图像包含了原图像中我们所需要的大部分信息，所以在图像处理过程中，通常我们仅使用幅度图像。当然，如果希望先在频域内对图像进行处理，再通过反变换得到修改后的空间域图像，就必须同时保留幅度图像和相位图像。

对图像进行傅里叶变换后，我们会得到图像中的低频和高频信息。低频信息对应图像内变化缓慢的