傅里叶变换中一些细节

1. 为什么傅里叶变换是对单通道图像进行处理？

傅里叶变换与时间或空间信号的强度一起工作，并转换为频率信号的强度。没有一个数字可以表示颜色的强度而不转换为灰度。

您可以将图像分成3个不同的图像，分别针对红色，绿色和蓝色分量。这些中的每一个都可以独立进行傅里叶变换处理。

当您应用傅立叶变换（FT）（或某些相关变换，例如DCT）时，您正在查看图像中的空间频率。

直观地说，这意味着FT重新组织您的图像中的空间信息，以矩阵的形式对应于2D正弦曲线的系数，如果总结，您将获得原始图像。

正如Mark Ransom指出的那样，您可以将DFT分别应用于每个颜色通道。实际上，这基本上是使用非常类似的变换（离散余弦变换 - 离散余弦变换 - DCT）的JPEG加速过程的方法。

参考博客：
http://cn.voidcc.com/question/p-mkskteen-oo.html

2. 很多人都不了解图像（二维）频谱中的每一点究竟代表了什么，有什么意义?
   二维频谱中的每一个点都是一个与之一一对应的二维正弦/余弦波。
   1.频谱需要对调平fftshift.中间是低频率区域，旁边是高频区域。
   

2.中间是低频区域，四周是高频。
3.中间低频部分占据大部能量。

4. 平行于栅格变化的方向
![**

5.平移对频谱图没有影响。

6.旋转会导致频谱图一起旋转。

相位是频谱中各正弦分量关于原点的位移的度量。
注意观察下图中，粉红色所在的直线就是原点直线。

参考博客：
本文转载于松下J27，原文分为三章讲解，在此合并转载
文一：https://blog.csdn.net/daduzimama/article/details/80109139
文二：https://blog.csdn.net/daduzimama/article/details/80394570
文三：https://blog.csdn.net/daduzimama/article/details/80394596

百度文库一篇值得推荐的文章。
https://wenku.baidu.com/view/eedbad024a35eefdc8d376eeaeaad1f346931160.html