两个信号在时域的卷积等于频域的乘积。而二维图像常用的滤波处理，就是二维图像与一个3*3或者5*5的滤波数组的卷积，对应于该二维图像与

滤波数组经过傅里叶变换到频域后数据的乘积。正式因为这个数学特征，使得我们在时域看起来很难处理的频率滤波，在频域非常容易得以实现。

通过下面的3张图，很容易理解图像数据里高频信号和低频信号的概念：

1.原图及傅里叶变换幅度（左下）与相位图（右下）

2.傅里叶变换幅度图中心圆外面部分(高频部分)全零与反傅里叶变换后的原图

3.傅里叶变换幅度图中心圆里面部分(低频部分)全零与反傅里叶变换后的原图

[理论基础]二维图像滤波处理的理论基础