我们已经处理了许多领域的图像。现在，我们正在频域中处理信号(图像)。由于此傅立叶级数和频域完全是数学，所以我们将尝试最小化该数学部分，而将更多精力放在DIP中。

频域分析

到现在为止，我们在其中分析信号的所有域，都针对时间进行了分析。但是在频域中，我们不是针对时间分析信号，而是针对频率进行分析。

空间域和频域之间的差异

在空间领域，我们按原样处理图像。图像的像素值相对于场景而变化。而在频域中，我们处理像素值在空间域中变化的速率。

为了简单起见，让我们这样说。

空间域

在简单的空间域中，我们直接处理图像矩阵。而在频域中，我们处理这样的图像。

频域

我们首先将图像转换为其频率分布。然后我们的黑匣子系统执行它必须执行的所有处理，在这种情况下，黑匣子的输出不是图像，而是变换。在执行逆变换之后，将其转换为图像，然后在空间域中对其进行查看。

可以通过图片查看为

在这里，我们使用了转换一词。实际上是什么意思?

转型

可以使用称为变换的数学运算符将信号从时域转换为频域。有许多种转换可以做到这一点。其中一些在下面给出。

• 傅立叶级数
• 傅立叶变换
• 拉普拉斯变换
• Z变换

在所有这些中，我们将在下一个教程中彻底讨论傅里叶级数和傅里叶变换。

频率成分

空间域中的任何图像都可以在频域中表示。但是这个频率实际上意味着什么。

我们将频率成分分为两个主要成分。

高频成分

高频分量对应于图像中的边缘。

低频成分

图像中的低频分量对应于平滑区域。