背景：数字图像处理过程中对图像进行频率分析是非常重要的一部分，从空间域到频率域的桥梁就是傅里叶变换，对图像的傅里叶变换与一维的傅里叶变换类似，在此简单介绍个自己对图像傅里叶变换理解与matlab的实现。
理解：图像的频率指的是空间频率，它和我们认知的物理频率是不同的，因此，要理解图像频率，就要将两者的定义脱离开。图像可以看成是一个定义在二维平面上的信号，该信号的幅值对应像素的灰度（彩色图像对应 RGB 三个分量）。如果仅仅考虑一帧图像的某一行像素，那么，可以看成是一维空间的信号。这种信号和我们常见的时域信号是很相似的，只不过时域信号是定义在时间域上的，而图像信号是定义在空间域的。
物理意义：图像的频率被称为空间频率，空间频率是指单位长度内亮度做周期性变化的次数，它反映了图像的像素灰度在空间中的变化情况，从傅里叶频谱上可以看到明暗不一的亮点，反映的就是某点与邻域间的差异程度。举个例子，一帧图像的背景或者变化缓慢的区域，也就是灰度值分布比较平坦，那么，低频分量就比较强。图像的边缘、细节以及噪声的像素灰度在空间的变化非常剧烈。因此为高频分量。
根据傅里叶变换理论，频域中的频谱值都是由整幅图像计算出来的，因此，整个频谱范围内，低频分量集中在四个角，且其它地方的值只可能比这个值小。
可参考：空间傅里叶变换详解
