傅里叶变换的基本性质: 可分离性,平移性, 周期性, 共轭对称性,旋转不变性,比例性,平均值,卷积定理可分离性可以将 二维傅里叶变换 转换为 两次 一维傅里叶变换.正变换:二维亦如此.空间卷积的DFT是频率域中相应变换的乘积，反之也成立。卷积定理在滤波技术中有着非常重要的应用。
频域图像处理基本步骤空间域：（spatial domain）也叫空域，即所说的像素域，在空域的处理就是在像素级的处理，如在像素级的图像叠加。通过傅立叶变换后，得到的是图像的频谱。表示图像的能量梯度。频率域：（frequency domain。）任何一个波形都可以分解用多个正弦波之和。每个正弦波都有自己的频率和振幅。所以任意一个波形信号有自己的频率和振幅的集合。频率域说的就是这个。频率域就是空...
坐标变换是把一幅图像上的像素重新定位到一个新位置，还必须对这些新位置赋灰度值，即灰度插值。 插值是用已知数据来估计未知位置的数值处理下面是三种常用插值方法最邻近插值选择离它所映射到的位置最近的输入象素的灰度值为插值结果。
基本概念几何变换又称橡皮膜变换,就像在一块 橡皮膜上印刷一幅图像，然后根据预定的一组规则拉伸该橡皮膜。几何变换改变了图像中像素间的空间关系。 由两个基本操作组成:坐标的空间变换（坐标变换）和变换后坐标像素的灰度值（灰度插值）。
基本关系一幅图像 $f (x , y)$ 由基本单元像素组成，像素间存在着一定的联系，包括像素的邻域，邻接 和连通，以及像素间的距离。一般地，当指定某个特定的像素时用小写字母（如 p）表示。