傅里叶变换和高低通滤波器的分类（包括均值滤波、高斯滤波、sobel、scharr和拉普拉斯滤波器）

高通滤波与低通滤波是依据频率特性进行分类的两种方法。在正弦曲线中，振幅变化迅速的部分属于高频成分，而变化缓慢的部分则属于低频成分。类似地，在图像处理中，像素值发生剧烈变化的区域对应高频信息（如噪声或边缘），而像素值变化平缓的区域则对应低频信息。因此，图像中通常包含较多的低频成分和较少的高频成分。若希望保留图像中的高频部分，则采用高通滤波器以实现边缘提取；若希望保留低频部分，则使用低通滤波器以达到图像平滑的效果。

傅里叶变换能够将图像转换为幅值谱（magnitude_spectrum），其中频率由中心向四周逐渐增大。幅值谱亮度越高，表示该频率对应的像素数量越多；反之则越少。经过傅里叶变换后，一幅图像通常呈现出中心较亮、边缘较暗的特征（由于低频成分占据主导地位，而高频成分相对较少）。接下来进行代码实现：

import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread('../images/example_01.jpg',0)

高通滤波 numpy 用的多

正变换

f=np.fft.fft2(img)
fshift=np.fft.fftshift(f)
magnitude_spectrum=20*np.log(np.abs(fshift))