导读：
图像处理一般分为空间域和频域处理，有些情况下，在空间域处理很难得到好的效果，这时候我们可以考虑将其转换到空间域处理。
空间域的处理方法比较多，比如傅里叶变换和小波变换等。频域方法处理的一般步骤是：
① 将图像从空间域转换到频域；
② 在频域处理(挑选或剔除特定的频段)；
③ 频域处理后再转换到空间域
傅里叶变换频域处理步骤：
① 图像做傅里叶变换--转换到频域；
② 在频域处理(对频谱图像处理，剔除不需要的频段)；
③ 反傅里叶变换--转换到空间域；
④ 如果不能一次得到最终效果，可能还需要添加一些blob分析方法
傅里叶变换频域图特点：
傅里叶变换理论与公式这里不做介绍，大家有兴趣自行搜索。先看下如下图片：
对应的使用fft_image()转换后的傅里叶频谱图像
read_image (Image, 'C:/Users/3252314061/Desktop/1.png')fft_image (Image, ImageFFT)
原图水平方向上变化更多，所以频谱图水平方向更亮。竖直方向变化不比水平方向多，所以较水平方向暗。下图正好相反：
傅里叶变换后的频谱图：
原图竖直方向上变化更多，所以频谱图竖直方向更亮。水平方向变化不比竖直方向多，所以较竖直方向暗。
fft_image()变换后频谱图像中心为低频部分，越往边缘是高频部分。
再看看下面的图像，频谱图变化也是沿着圆形的各个方向，反应像素灰度值的变化情况：
傅里叶变换去除图像条纹杂讯步骤：
图1--竖直条纹杂讯：
由观察可知，这幅图像有很多竖直条纹杂讯，沿水平方向变化较大，那么频谱图水平方向应该较亮，用fft_image()变换后效果：
那么如果我们想去除竖直条纹，就可以将频谱图中水平的亮线条区域抹掉(用灰度值0填充)，如下：
然后fft_image_inv()反傅里叶变换看下效果：
fft_image_inv (ImageResult, ImageFFTInv)图2-水平条纹杂讯：
由观察可知，这幅图像有很多水平条纹杂讯，沿竖直方向变化较大，那么频谱图竖直方向应该较亮，用fft_image()变换后效果：
那么如果我们想去除水平条纹，就可以将频谱图中竖直的亮线条区域抹掉(用灰度值0填充)，如下：
然后fft_image_inv()反傅里叶变换看下效果：
图3-水平垂直条纹杂讯：
傅里叶频谱图：
水平和竖直方向均抹除：
反傅里叶变换效果：
完整代码(Halcon实现)：
read_image (Image, './imgs/5.PNG')rgb1_to_gray (Image, GrayImage)fft_image (GrayImage, ImageFFT)gen_rectangle1 (ROI_0, 2.97368, 217.535, 179.635, 227.458)gen_rectangle1 (TMP_Region, 209.41, 217.535, 387.064, 226.465)union2 (ROI_0, TMP_Region, ROI_0)gen_rectangle1 (TMP_Region, 193.53, 234.404, 203.455, 374.316)union2 (ROI_0, TMP_Region, ROI_0)gen_rectangle1 (TMP_Region, 193.53, 74.6458, 204.447, 207.612)union2 (ROI_0, TMP_Region, ROI_0)paint_region (ROI_0, ImageFFT, ImageResult, 0, 'fill')fft_image_inv (ImageResult, ImageFFTInv)
如果是彩色图，就先将彩图通道分离，在每个通道做傅里叶变换处理，然后反变换后合并通道即可，下面是视频效果展示：
核心代码与实现步骤上面已展示，大家可以验证实现。如需所有图片素材与代码，欢迎加入公众号右下角知识星球获取。本文代码为Halcon实现，OpenCV实现步骤将在后续文章中更新，欢迎持续关注，感谢。