數字圖像處理方法的重要性源於兩個主要的應用領域：改善圖示信息以便人們解釋；為存儲、傳輸和表示而對圖像數據進行處理，以便於機器自動理解。
一幅數字圖像可定義為一個二維函數f(x,y)，其中x和y是空間（平面）坐標，而在任何一對空間坐標（x,y）出的幅值f稱為圖像在該點處的灰度或強度。
當x,y和灰度值f是有限的離散值時，我們稱該圖像為數字圖像。數字圖像處理是指借助於數字計算機來處理數字圖像。注意，數字圖像是由有限數量的元素組成的，每個元素都有一個特定的位置和幅值，這些元素稱為圖畫元素、圖像元素或像素，像素是廣泛用於表示數字圖像的術語。
數字圖像處理的應用領域多種多樣。數字圖像處理應用范圍的一種罪簡單的方法是根據信息源來分類。在現在的應用中，最主要的圖像能源是電磁能譜，其他主要圖像 能源包括聲波、超聲波和電子（以用於電子顯微鏡中的電子束形式）。用於建模和可視化的合成圖像由計算機產生。
以電磁波譜輻射為基礎的圖像有一下幾種：
伽馬射線成像
X射線成像
紫外波段成像
可見光及紅外波段成像
微波波段成像
圖像處理分為空間域和頻域
空間域處理方法主要是灰度變換和空間濾波
頻域處理方法主要是頻率域濾波
圖像的頻率是表征圖像中灰度變化劇烈程度的指標，是灰度在平面空間上的梯度。如：大面積的沙漠在圖像中是一片灰度變化緩慢的區域，對應的頻率值很低；而對於地表屬性變換劇烈的邊緣區域在圖像中是一片灰度變化劇烈的區域，對應的頻率值較高。
對圖像而言，圖像的邊緣部分是突變部分，變化較快，因此反應在頻域上是高頻分量；圖像的噪聲大部分情況下是高頻部分；圖像平緩變化部分則為低頻分量。
也就是說，傅立葉變換提供另外一個角度來觀察圖像，可以將圖像從灰度分布轉化到頻率分布上來觀察圖像的特征。
不同頻率信息在圖像結構中有不同的作用。圖像的主要成分是低頻信息，它形成了圖像的基本灰度等級，對圖像結構的決定作用較小；中頻信息決定了圖像的基本結構，形成了圖像的主要邊緣結構；高頻信息形成了圖像的邊緣和細節，是在中頻信息上對圖像內容的進一步強化。
圖像進行二維傅立葉變換得到頻譜圖，就是圖像梯度的分布圖,當然頻譜圖上的各點與圖像上各點並不存在一一對應的關系，即使在不移頻的情況下也是沒有。
傅立葉頻譜圖上我們看到的明暗不一的亮點，實際是上圖像上某一點與鄰域點差異的強弱，即梯度的大小，也即該點的頻率的大小（可以這么理解，圖像中的低頻部分指低梯度的點，高頻部分相反）。
版權所有權歸卿萃科技，轉載請注明出處
作者：卿萃科技ALIFPGA
原文地址：卿萃科技FPGA極客空間 微信公眾號
掃描二維碼關注卿萃科技FPGA極客空間