【学习】傅里叶变换分析与理解

傅里叶级数的本质是将一个周期的信号分解成无限多分开的（离散的）正弦波，但是宇宙似乎并不是周期的。

理解频域、空域（时域）

时域（空域）是从时间方向看过去的得到的图像，而频域是从频率方向看过去得到的图像。
详细的参考一篇知乎博文：傅里叶分析之掐死教程（完整版）

对于傅里叶变换在深度学习中的使用，只需要关注以下几点：

我们可以通过傅里叶变换，将空域变换到频域，在频域中可以很简单的抽出其中一个频率，从而达到滤波的效果。但在时域中，滤波却很困难。这便是傅里叶变换的意义所在吧。

傅里叶变换的作用

• 高频: 图像中变化剧烈的灰度分量，例如边界。
• 低频: 图像中变化缓慢的灰度分量，例如—片海。

滤波

• 低通滤波器:只保留低频，会使得图像模糊。
• 高通滤波器:只保留高频，会使得图像细节增强。
• . opencv中主要就是cv2.dft()和cv2.idft()，输入图像需要先转换成np.float32格式。cv2.dft() 函数用于进行离散傅里叶变换（DFT），它是将时域信号转换到频域的一种数学工具。cv2.idft()函数用于进行逆离散傅里叶变换（IDFT），它是将频域信号转换回时域的过程的一种数学工具。
• 得到的结果中频率为0的部分会在左上角，通常要转换到中心位置，可以通过shift变换来实现。.Cv2.dft()返回的结果是双通道的(实部，虚部)，通常还需要转换成图像格式才能展示(0.255).