数字图像处理方法的重要性源于两个主要的应用领域：改善图示信息以便人们解释；为存储、传输和表示而对图像数据进行处理，以便于机器自动理解。
一幅数字图像可定义为一个二维函数f(x,y)，其中x和y是空间（平面）坐标，而在任何一对空间坐标（x,y）出的幅值f称为图像在该点处的灰度或强度。
当x,y和灰度值f是有限的离散值时，我们称该图像为数字图像。数字图像处理是指借助于数字计算机来处理数字图像。注意，数字图像是由有限数量的元素组成的，每个元素都有一个特定的位置和幅值，这些元素称为图画元素、图像元素或像素，像素是广泛用于表示数字图像的术语。
数字图像处理的应用领域多种多样。数字图像处理应用范围的一种罪简单的方法是根据信息源来分类。在现在的应用中，最主要的图像能源是电磁能谱，其他主要图像 能源包括声波、超声波和电子（以用于电子显微镜中的电子束形式）。用于建模和可视化的合成图像由计算机产生。
以电磁波谱辐射为基础的图像有一下几种：
伽马射线成像
X射线成像
紫外波段成像
可见光及红外波段成像
微波波段成像
图像处理分为空间域和频域
空间域处理方法主要是灰度变换和空间滤波
频域处理方法主要是频率域滤波
图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。
对图像而言，图像的边缘部分是突变部分，变化较快，因此反应在频域上是高频分量；图像的噪声大部分情况下是高频部分；图像平缓变化部分则为低频分量。
也就是说，傅立叶变换提供另外一个角度来观察图像，可以将图像从灰度分布转化到频率分布上来观察图像的特征。
不同频率信息在图像结构中有不同的作用。图像的主要成分是低频信息，它形成了图像的基本灰度等级，对图像结构的决定作用较小；中频信息决定了图像的基本结构，形成了图像的主要边缘结构；高频信息形成了图像的边缘和细节，是在中频信息上对图像内容的进一步强化。
图像进行二维傅立叶变换得到频谱图，就是图像梯度的分布图,当然频谱图上的各点与图像上各点并不存在一一对应的关系，即使在不移频的情况下也是没有。
傅立叶频谱图上我们看到的明暗不一的亮点，实际是上图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。
版权所有权归卿萃科技，转载请注明出处
作者：卿萃科技ALIFPGA
原文地址：卿萃科技FPGA极客空间 微信公众号
扫描二维码关注卿萃科技FPGA极客空间