在图像处理的世界里，有一种强大的工具叫做傅里叶变换（Fourier Transform），它能将图像从空间域转换到频率域，帮助我们更直观地分析图像的频率特性。今天，我们就用OpenCV中的`dft()`函数来实践这一技术！✨

首先，加载一张图片，比如一张风景照或黑白图案。接着，通过`cv2.dft()`函数对图像进行离散傅里叶变换，得到其频谱图。你会发现，原本清晰的图像在频率域中变成了复杂的光点分布，其中低频部分代表了图像的整体亮度变化，而高频部分则体现了边缘和细节信息。💡

为了更好地观察结果，通常还需要对频谱进行归一化和对数变换，以便于可视化。最后，再使用逆傅里叶变换（IDFT），将频率域数据还原回空间域，你会发现图像依然完好无损！🔍

通过这项操作，不仅能够深入了解图像的本质，还能为后续的滤波、压缩等高级应用打下基础。快来试试吧，让代码与数学一起点亮你的学习之路！🚀

OpenCV 图像处理 傅里叶变换 dft