该博客将在OPENCV中介绍图像转换，包括使用Numpy和OpenCV的图像的傅立叶变换，以及傅立叶变换的某些应用；
2D离散傅立叶变换（DFT）离散傅立叶变换快速傅立叶变换（FFT）傅立叶变换
傅立叶变换用于分析各种过滤器的频率特性。对于图像，将两个二维离散傅立叶变换（DFT）用于频域。一种称为傅立叶变换（FFT）的快速算法用于DFT计算。
灰图与傅立叶变换渲染如下：您可以看到白色区域主要在中心，显示出更多的低频含量。
傅立叶变换效果图在删除低频含量后的效应图如下：
您可以看到，在使用矩形过滤后，效果不好，并且是波纹的铃铛效应。高斯过滤可能会更好。
傅立叶在删除高频内容后会转换渲染图：删除图像中的高频内容，然后将LPF应用于图像。它实际上模糊了图像。
每个过滤器都是HPF（高通滤波器）或LPF（低通滤波器），这很清楚：Laplas是高频滤波器；
为了实现最佳性能，可以通过openCV提供的函数CV2.GetOptimaldFtsize（）找到最佳尺寸。然后将图像填充到最佳性能的阵列中。对于OpenCV，您必须手动填充零。
通过使用最佳形成，它基本上可以提高4次的效率。OpenCV本身几乎比Numpy快几乎3倍。
拉普拉斯是一个高通滤波器（高通滤波器）